在医学图像分割（如 u-net 训练）中，图像与对应掩码必须接受**严格一致的随机几何变换**（如旋转、翻转），否则标签错位将导致模型学习失败；本文提供基于 `torchvision.transforms.v2` 的可靠解决方案。
在使用 PyTorch 进行语义分割或实例分割任务（例如训练 U-Net 模型）时，一个常见却极易被忽视的关键点是：图像（image）和其对应的分割掩码（mask）必须共享完全相同的随机变换参数。例如，若某次迭代中图像被随机旋转了 23.7° 并水平翻转，掩码也必须执行完全相同的操作——而非各自独立采样新参数。而你当前代码中的问题正在于此：
if self.transform is not None:
image = self.transform(image) # ← 独立采样一次 RandomRotation 参数
mass_mask = self.transform(mass_mask) # ← 再次独立采样！参数很可能不同torchvision.transforms.v2（推荐用于新项目）中，每个 Transform 实例在每次调用时都会重新生成随机参数（如 RandomRotation.degrees 是从 [-35, 35] 中独立采样），因此两次调用 self.transform(...) 本质是两次不相关的随机过程，导致图像与掩码形变失配。
✅ 正确解法：将图像与掩码沿通道维度拼接后统一变换，再切分还原。这保证了二者经历的是同一组随机参数。
✅ 推荐实现（适配 torchvision.transforms.v2）
修改你的 __getitem__ 方法如下：
def __getitem__(self, index):
dict_path = os.path.join(self.dict_dir, self.data[index])
patient_dict = torch.load(dict_path)
image = patient_dict['image'].unsqueeze(0) # shape: [1, H, W]
mass_mask = patient_dict['mass_mask'].unsqueeze(0) # shape: [1, H, W]
mass_mask = torch.clamp(mass_mask, 0.0, 1.0) # 更安全的裁剪替代 >1.0 判断
if self.transform is not None:
# 关键：拼接 → 变换 → 切分（保持空间一致性）
# 注意：v2 要求输入为 [C, H, W]，且支持多通道输入
combined = torch.cat([image, mass_mask], dim=0) # shape: [2, H, W]
transformed = self.transform(combined) # 同一随机种子作用于全部通道
image = transformed[0:1] # 取第0个通道（原图）
mass_mask = transformed[1:2] # 取第1个通道（掩码）
return image, mass_mask同时，请确保你的 train_transform 显式指定 fill 值以兼容掩码（避免插值污染二值性）：
train_transform = T.Compose([
T.RandomRotation(degrees=35, expand=True, fill=(0.0, 0.0)), # (img_fill, mask_fill)
T.RandomHorizontalFlip(p=0.5),
T.RandomVerticalFlip(p=0.5),
# ⚠️ 若后续加 Normalize，请仅作用于 image！见下方注意事项
])? 为什么 fill=(0.0, 0.0)？RandomRotation 对图像常用 fill=255.0（白边），但掩码是二值/概率图，填充值应为 0.0（背景）。v2 支持元组 fill=(img_fill, mask_fill)，自动为不同通道分配填充色。
⚠️ 重要注意事项
- Normalize 不适用于掩码：标准化（如 T.Normalize）会破坏掩码的语义值域（0/1 或概率）。务必仅对 image 单独归一化（可在 Compose 外处理，或自定义 transform 分离处理）。
-
插值方式需区分：旋转/缩放时，图像建议 interpolation=T.InterpolationMode.BILINEAR，掩码必须用 NEAREST（保持整数标签）。v2 默认对所有通道用同一插值模式，因此更稳妥的做法是：
- 使用 albumentations（原生支持 dual-transform）；或
- 自定义 v2.Transform 子类，重写 transform 逻辑分别处理图像/掩码通道。
- 数据类型一致性：确保 image 和 mass_mask 均为 float32（torch.float32），避免 uint8 在变换中溢出或精度丢失。
✅ 替代方案：Albumentations（生产环境强推）
若需更高灵活性与鲁棒性（尤其含复杂组合变换），推荐改用 albumentations，它专为协同增强设计：
import albumentations as A
from albumentations.pytorch import ToTensorV2
transform = A.Compose([
A.Rotate(limit=35, p=1.0, border_mode=cv2.BORDER_CONSTANT, value=0),
A.HorizontalFlip(p=0.5),
A.VerticalFlip(p=0.5),
], additional_targets={'mask': 'mask'}) # 显式声明掩码目标
# 在 __getitem__ 中：
augmented = transform(image=image.numpy().transpose(1,2,0),
mask=mass_mask.numpy().transpose(1,2,0))
image = torch.from_numpy(augmented['image'].transpose(2,0,1)).float()
mass_mask = torch.from_numpy(augmented['mask'].transpose(2,0,1)).float()总结
保证图像与掩码变换同步的核心原则是：消除随机性来源的重复采样。无论是通过通道拼接（轻量、v2 原生友好）、自定义 transform，还是选用 albumentations，目标都是让二者“共用一套骰子”。切勿对同一 Transform 实例连续调用两次——这是多数初学者踩坑的根源。在医学影像等像素级敏感任务中，这一细节直接决定模型收敛性与最终 Dice 分数上限。
