尧图网页设计 
简介这是一份面向计算机视觉方向学生与开发者的眼底图像视杯视盘分割项目源码基于Python实现可直接用于课程设计、期末大作业或医学图像分割入门实践。项目已通过导师指导并获得97分高分评价下载后无需修改即可运行适合需要完整可交付方案的学习者。压缩包共198个文件以156个py源码文件为核心辅以39个pyc编译文件与3个md说明文档整体约451KB体量轻便、结构清晰。源码中涉及注意力机制模块、DeepLab分割网络及数据增强变换等关键实现覆盖从数据预处理到模型构建的完整流程便于读者理解视杯视盘分割的技术路线与工程组织方式。目前已有418人学习关注可作为课程作业参考、算法复现起点或二次开发基础帮助快速掌握医学图像分割项目的搭建与调试思路。1. 眼底图像视杯视盘分割从一份 Python 源码能跑出什么眼底彩照里那块最亮的圆形区域是视盘视盘内部颜色偏浅的凹陷是视杯。这两个结构的比值杯盘比CDR是青光眼筛查里最常被量化的指标之一所以「视杯视盘分割」几乎是每个医学图像入门项目的必修课。你手上如果拿到一份基于 Python 的眼底图像视杯视盘分割项目源码它真正能给你的不是一张漂亮的分割图而是一条从原始彩照到可量化指标的完整链路读图、裁剪感兴趣区域、分割两个结构、算面积比、可视化叠加。这套东西适合医学图像方向的学生做课程设计或毕设也适合已经会 Python、想切入医学影像的工程师拿来当第一个能跑通的工程。难点不在模型多深而在数据脏、标注少、评价指标和临床口径对不齐——这也是为什么很多人第一次跑分割会翻车。2. 视杯视盘分割的技术路线与选型为什么多数源码走 U-Net 而不是直接阈值2.1 眼底图像里视杯视盘到底长什么样先建立对数据的直觉否则后面调参全是玄学。一张标准眼底彩照通常是 RGB 三通道分辨率从 512×512 到 2000×2000 不等视盘一般落在图像某一侧占整图面积很小可能只有百分之几。视盘边界相对清晰呈亮黄白色椭圆视杯在视盘内部颜色更浅、边界更模糊尤其在青光眼早期视杯和视盘的对比度极低肉眼都要盯半天。这就决定了两个结构的分割难度完全不对等。视盘分割做到 Dice 0.9 以上不算难视杯能到 0.85 就已经不错。很多源码在 README 里只报一个平均指标把两个结构混在一起说实际视杯那一项往往拖后腿。你拿到源码第一件事应该是把两个类别的指标分开看而不是看那个被平均过的数字。另一个直觉是颜色通道。视盘在绿色通道里对比度通常比红色和蓝色通道高因为血红蛋白吸收绿光。所以传统方法常拿绿通道做增强深度学习方法虽然端到端但预处理阶段把绿通道单独提出来做 CLAHE 增强仍然能稳定涨点。这不是必须但属于低成本高回报的操作。2.2 从阈值法到 U-Net选型背后的取舍早期视杯视盘分割大量用阈值加形态学。思路是视盘亮先阈值粗定位再用圆或椭圆拟合边界视杯更亮在视盘区域内再阈值一次。这套方法在图像质量好的时候能跑代码短、无需训练、可解释。但它对光照不均、病灶遮挡、曝光差异极其敏感换一个数据集就崩所以现在只适合当基线或者做预标注的粗筛。主流方案是语义分割网络U-Net 及其变体占了绝大多数。原因很实际医学图像标注样本少U-Net 的编码器-解码器加跳跃连接在小数据集上表现稳结构简单好改社区实现多。源码里如果用的是 U-Net你大概率能看到这样的结构编码器几次下采样提特征解码器上采样恢复分辨率跳跃连接把浅层细节直接送到对应层。对视杯这种边界模糊的目标浅层细节很关键所以跳跃连接不是可选项。选型时还要看输出类别数。有的源码做三分类背景、视盘、视杯然后视杯区域天然包含在视盘里有的做两个二分类任务分别训练。三分类一次出结果但类别不平衡更严重两个二分类可以各自调参但推理要跑两次。我一般倾向三分类因为视杯必然在视盘内这个先验可以后处理利用省一次前向。损失函数上纯交叉熵在视杯这种小目标上容易被背景淹没常见做法是 Dice Loss 和交叉熵加权组合。源码里如果只用了交叉熵你可以自己加上 Dice 项通常能明显改善视杯的召回。2.3 数据准备与预处理的最小可跑流程拿到源码后别急着训练先把数据管线跑通。眼底数据集常见格式是原图加对应的分割掩码掩码里用不同灰度值表示不同类别。你需要确认三件事图像和掩码是否同名对应、掩码的像素值到类别的映射关系、图像尺寸是否统一。下面是一段通用的数据检查与预处理代码用来确认掩码类别并做基础增强import cv2 import numpy as np import os def inspect_mask(mask_path): 检查掩码里到底有哪些像素值确认类别映射 mask cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE) unique_vals np.unique(mask) print(f掩码 {os.path.basename(mask_path)} 像素值: {unique_vals}) return unique_vals def preprocess(img_path, size(512, 512)): 读图、绿通道增强、统一尺寸 img cv2.imread(img_path) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 绿通道对比度受限直方图均衡提升视盘视杯对比 green img[:, :, 1] clahe cv2.createCLAHE(clipLimit2.0, tileGridSize(8, 8)) green clahe.apply(green) img[:, :, 1] green img cv2.resize(img, size, interpolationcv2.INTER_LINEAR) # 归一化到 [0,1] img img.astype(np.float32) / 255.0 return img if __name__ __main__: vals inspect_mask(data/mask/sample.png) # 假设输出 [0 128 255]则 0 背景、128 视盘、255 视杯 img preprocess(data/image/sample.png) print(预处理后形状:, img.shape, 取值范围:, img.min(), img.max())这段代码的逻辑是先摸清掩码的类别编码再做绿通道 CLAHE 增强和尺寸统一。clipLimit2.0控制对比度增强强度太大噪声会被放大太小等于没做2.0 是常用起点。tileGridSize(8,8)决定局部均衡的块大小图像小就调小。归一化到 0 到 1 是给网络输入用的别漏。提示如果掩码像素值是 0/1/2 而不是 0/128/255训练前必须做映射否则损失函数算出来的全是错的而且不会报错只会指标奇低。2.4 训练配置里最该盯的几个参数源码能跑起来之后真正决定结果的是几个关键参数。学习率用 1e-4 配 Adam 是安全起点太大视杯直接学不出来太小收敛慢到你以为代码坏了。批大小受显存限制眼底图 512×512 的话 8 或 16 比较常见太小批归一化统计不稳。训练轮数别照抄看验证集 Dice 什么时候不涨了就停通常几十轮。数据增强对眼底图很关键但要注意几何变换必须同时作用在图像和掩码上翻转、旋转、轻微缩放都安全颜色抖动只作用在图像上。很多源码的增强写错了只转图像不转掩码训练时指标虚高推理时原形毕露这是血泪经验。3. 把源码跑起来环境、训练、推理的完整操作3.1 环境搭建与依赖确认先确认 Python 版本多数这类源码在 3.8 到 3.10 之间比较稳。用虚拟环境隔离别污染全局。依赖通常包括 PyTorch 或 TensorFlow、OpenCV、NumPy、Pillow、scikit-learn可能还有 albumentations 做增强。# 创建并激活虚拟环境 python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate # 安装核心依赖版本按源码 requirements 为准 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install opencv-python numpy pillow scikit-learn albumentations pip install matplotlib tqdm命令含义很直白先隔离环境再装深度学习框架和图像处理库。--index-url那行是装 GPU 版 PyTorch如果你没有 NVIDIA 显卡就装 CPU 版把 index-url 去掉即可。装完用python -c import torch; print(torch.cuda.is_available())确认 GPU 是否可用返回 False 就说明要么没卡要么驱动没配好训练会慢很多但能跑。注意requirements.txt 里的版本号别盲目照装尤其是 torch 和 numpy版本冲突是新手最常见的翻车点。装完先跑一个最小推理脚本能出图再谈训练。3.2 训练脚本的启动与日志解读训练入口通常是一个 train.py参数通过命令行或配置文件传入。启动前先确认数据路径配置对不对这是最高频的报错来源。python train.py \ --data_root ./data \ --img_dir images \ --mask_dir masks \ --epochs 80 \ --batch_size 8 \ --lr 1e-4 \ --num_classes 3 \ --save_dir ./checkpoints参数逐个说data_root是数据根目录img_dir和mask_dir是它下面的子目录名很多源码在这里写死路径你要么改代码要么按它的约定放数据。num_classes3对应背景、视盘、视杯如果你的掩码只有两类就改成 2。save_dir是权重保存位置训练中断后能不能续上就看这里有没有存。启动后盯日志里的验证集指标重点看视杯那一类的 Dice 或 IoU。如果训练损失一直降但验证指标不涨是过拟合加增强或加正则。如果损失都不降先查学习率是不是太大再查掩码映射是不是错了。日志里如果出现 loss 为 nan八成是学习率过大或者输入没归一化。3.3 推理与可视化把分割结果叠回原图训练完拿权重做推理输出分割掩码再叠回原图看效果。这一步也是你判断源码质量的直接方式。import torch import cv2 import numpy as np from model import UNet # 按源码实际模块名导入 def predict(model, img_tensor, device): model.eval() with torch.no_grad(): img_tensor img_tensor.unsqueeze(0).to(device) out model(img_tensor) # 取 argmax 得到每个像素的类别 pred torch.argmax(out, dim1).squeeze(0).cpu().numpy() return pred def overlay(img, pred): 把预测掩码半透明叠到原图视盘红、视杯绿 vis img.copy() vis[pred 1] vis[pred 1] * 0.5 np.array([255, 0, 0]) * 0.5 vis[pred 2] vis[pred 2] * 0.5 np.array([0, 255, 0]) * 0.5 return vis.astype(np.uint8) device torch.device(cuda if torch.cuda.is_available() else cpu) model UNet(num_classes3).to(device) model.load_state_dict(torch.load(checkpoints/best.pth, map_locationdevice)) img cv2.imread(data/images/sample.png) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_resized cv2.resize(img, (512, 512)).astype(np.float32) / 255.0 img_tensor torch.from_numpy(img_resized).permute(2, 0, 1).float() pred predict(model, img_tensor, device) vis overlay(cv2.resize(img, (512, 512)), pred) cv2.imwrite(result_overlay.png, cv2.cvtColor(vis, cv2.COLOR_RGB2BGR))逻辑是先加载权重前向得到每个像素的类别概率argmax 取类别再按类别上色叠加。permute(2,0,1)是把 HWC 转成 CHWPyTorch 要的格式漏了这步会报维度错误。map_locationdevice保证在 CPU 上也能加载 GPU 训的权重。叠加时用半透明是为了保留原图纹理方便你判断边界贴不贴合。3.4 评价指标Dice、IoU 和杯盘比怎么算分割任务看 Dice 和 IoU但眼底项目还要算杯盘比因为那才是临床关心的量。Dice 衡量预测和真值的重叠IoU 是交并比两者都按类别单独算。指标公式含义视盘典型值视杯典型值Dice2×交集/(预测真值)0.90 以上0.80 到 0.88IoU交集/并集0.82 以上0.70 到 0.80CDR视杯面积/视盘面积临床参考非分割指标随分割误差放大CDR 对分割误差很敏感因为它是两个面积的比值视杯边界差一点比值就飘。所以报告 CDR 时最好同时给出分割的 Dice否则数字没有说服力。算 CDR 时用像素面积比即可前提是图像没有做各向异性缩放。4. 避坑与排查视杯视盘分割里最容易翻车的五件事4.1 掩码类别映射错指标低到怀疑人生现象训练损失能降但验证 Dice 一直在 0.3 以下可视化出来掩码几乎全错。原因掩码像素值和代码里假设的类别不一致比如掩码是 0/1/2代码按 0/128/255 处理视杯那一类根本没被识别。解决训练前用第 2 章的 inspect_mask 打印唯一像素值按实际值改映射或者写一个转换脚本把掩码重映射到代码期望的值。4.2 数据增强只转图像不转掩码现象训练指标很高推理时边界一塌糊涂尤其旋转过的样本。原因增强库调用时图像和掩码没有同步变换网络学到的是错位的对应关系。解决用 albumentations 这类支持同步变换的库把 image 和 mask 一起传进去自己写增强的话几何变换的随机参数必须对两者共用。4.3 视杯被背景淹没召回极低现象视盘分割正常视杯几乎预测不出来Dice 接近 0。原因视杯面积占比太小纯交叉熵损失下背景梯度主导网络倾向全预测背景。解决损失函数加 Dice Loss 或 Focal Loss给视杯类别加权也可以在采样时保证每个 batch 都含视杯区域。4.4 图像尺寸不统一导致训练报错或结果错位现象报维度不匹配或者训练能跑但掩码和图像对不上。原因数据集里图像尺寸不一代码只 resize 了图像没 resize 掩码或者两者用了不同的插值方式。解决图像用双线性插值掩码用最近邻插值保证类别值不被插值破坏统一在数据加载阶段处理别在训练循环里临时改。4.5 学习率过大导致 loss 变 nan现象训练几个 step 后 loss 变成 nan权重全废。原因学习率太大或者输入没归一化梯度爆炸。解决学习率从 1e-4 起加梯度裁剪确认输入在 0 到 1 之间如果已经 nan降低学习率重训别指望从 nan 恢复。5. 让分割结果真正可用后处理与杯盘比稳定性技巧跑通不等于可用。原始分割输出常有孤立噪点、边界毛刺、视杯跑到视盘外面这类问题直接拿去算 CDR 会飘得没法看。我一般会加两层后处理成本很低但效果立竿见影。第一层是形态学清理。对视杯掩码先做开运算去掉小噪点再做闭运算填内部空洞核大小按图像分辨率定512 尺寸下 3×3 或 5×5 就够。第二层是空间约束视杯必须落在视盘内所以把视杯掩码和视盘掩码求交落在视盘外的视杯像素直接归为视盘或背景。这个先验几乎总是成立用了之后 CDR 的方差会明显下降。import cv2 import numpy as np def postprocess(pred, kernel_size5): pred: HxW值 0 背景 1 视盘 2 视杯 disk (pred 1).astype(np.uint8) cup (pred 2).astype(np.uint8) kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (kernel_size, kernel_size)) # 视杯开运算去噪闭运算填洞 cup cv2.morphologyEx(cup, cv2.MORPH_OPEN, kernel) cup cv2.morphologyEx(cup, cv2.MORPH_CLOSE, kernel) # 视杯限制在视盘内 cup cup disk # 重新组装三分类掩码 out np.zeros_like(pred) out[disk 1] 1 out[cup 1] 2 return out def compute_cdr(pred): 算杯盘比用面积比 disk_area np.sum(pred 1) # 视盘含视杯 cup_area np.sum(pred 2) if disk_area 0: return 0.0 return cup_area / disk_area这段后处理的逻辑是先去噪再施加空间约束最后重组成三分类掩码。kernel_size别设太大太大会把细小的视杯直接抹掉5 是稳妥起点。compute_cdr里视盘面积用pred 1是因为视杯像素值 2 也属于视盘区域这样算出来的才是完整视盘面积如果只算pred 1会漏掉视杯那块CDR 直接偏大。验证后处理有没有用最直接的办法是拿一批图分别算处理前后的 CDR看方差。如果方差明显变小且均值没怎么动说明后处理在压噪声而不是在扭曲结果。另一个验证角度是看视杯和视盘的边界是否贴合叠加图里视杯应该完整包在视盘里出现视杯溢出就是空间约束没生效。还有一个容易被忽略的点不同数据集的视盘大小差异很大有的数据集视盘占图比例高有的低。如果你的模型在一个数据集上训完直接推理另一个数据集的图CDR 的绝对值不可比只能看相对趋势。要跨数据集用至少得做尺寸归一化或者干脆在目标数据集上微调几轮。我自己踩过最深的坑是过早相信平均指标。早期跑完一个源码看平均 Dice 0.88 觉得成了结果单独看视杯只有 0.72算出来的 CDR 跟临床标注差一大截。后来养成习惯任何分割结果先分类别看指标再看后处理前后的 CDR 分布两个都稳了才敢说这个方案能用。眼底图像视杯视盘分割这个方向模型结构不是门槛数据管线和评价口径才是真正拉开差距的地方。希望帮到你。本文还有配套的精品资源点击获取 基于Python的眼底图像视杯视盘分割实战：从源码到杯盘比计算
简介这是一份面向计算机视觉方向学生与开发者的眼底图像视杯视盘分割项目源码基于Python实现可直接用于课程设计、期末大作业或医学图像分割入门实践。项目已通过导师指导并获得97分高分评价下载后无需修改即可运行适合需要完整可交付方案的学习者。压缩包共198个文件以156个py源码文件为核心辅以39个pyc编译文件与3个md说明文档整体约451KB体量轻便、结构清晰。源码中涉及注意力机制模块、DeepLab分割网络及数据增强变换等关键实现覆盖从数据预处理到模型构建的完整流程便于读者理解视杯视盘分割的技术路线与工程组织方式。目前已有418人学习关注可作为课程作业参考、算法复现起点或二次开发基础帮助快速掌握医学图像分割项目的搭建与调试思路。1. 眼底图像视杯视盘分割从一份 Python 源码能跑出什么眼底彩照里那块最亮的圆形区域是视盘视盘内部颜色偏浅的凹陷是视杯。这两个结构的比值杯盘比CDR是青光眼筛查里最常被量化的指标之一所以「视杯视盘分割」几乎是每个医学图像入门项目的必修课。你手上如果拿到一份基于 Python 的眼底图像视杯视盘分割项目源码它真正能给你的不是一张漂亮的分割图而是一条从原始彩照到可量化指标的完整链路读图、裁剪感兴趣区域、分割两个结构、算面积比、可视化叠加。这套东西适合医学图像方向的学生做课程设计或毕设也适合已经会 Python、想切入医学影像的工程师拿来当第一个能跑通的工程。难点不在模型多深而在数据脏、标注少、评价指标和临床口径对不齐——这也是为什么很多人第一次跑分割会翻车。2. 视杯视盘分割的技术路线与选型为什么多数源码走 U-Net 而不是直接阈值2.1 眼底图像里视杯视盘到底长什么样先建立对数据的直觉否则后面调参全是玄学。一张标准眼底彩照通常是 RGB 三通道分辨率从 512×512 到 2000×2000 不等视盘一般落在图像某一侧占整图面积很小可能只有百分之几。视盘边界相对清晰呈亮黄白色椭圆视杯在视盘内部颜色更浅、边界更模糊尤其在青光眼早期视杯和视盘的对比度极低肉眼都要盯半天。这就决定了两个结构的分割难度完全不对等。视盘分割做到 Dice 0.9 以上不算难视杯能到 0.85 就已经不错。很多源码在 README 里只报一个平均指标把两个结构混在一起说实际视杯那一项往往拖后腿。你拿到源码第一件事应该是把两个类别的指标分开看而不是看那个被平均过的数字。另一个直觉是颜色通道。视盘在绿色通道里对比度通常比红色和蓝色通道高因为血红蛋白吸收绿光。所以传统方法常拿绿通道做增强深度学习方法虽然端到端但预处理阶段把绿通道单独提出来做 CLAHE 增强仍然能稳定涨点。这不是必须但属于低成本高回报的操作。2.2 从阈值法到 U-Net选型背后的取舍早期视杯视盘分割大量用阈值加形态学。思路是视盘亮先阈值粗定位再用圆或椭圆拟合边界视杯更亮在视盘区域内再阈值一次。这套方法在图像质量好的时候能跑代码短、无需训练、可解释。但它对光照不均、病灶遮挡、曝光差异极其敏感换一个数据集就崩所以现在只适合当基线或者做预标注的粗筛。主流方案是语义分割网络U-Net 及其变体占了绝大多数。原因很实际医学图像标注样本少U-Net 的编码器-解码器加跳跃连接在小数据集上表现稳结构简单好改社区实现多。源码里如果用的是 U-Net你大概率能看到这样的结构编码器几次下采样提特征解码器上采样恢复分辨率跳跃连接把浅层细节直接送到对应层。对视杯这种边界模糊的目标浅层细节很关键所以跳跃连接不是可选项。选型时还要看输出类别数。有的源码做三分类背景、视盘、视杯然后视杯区域天然包含在视盘里有的做两个二分类任务分别训练。三分类一次出结果但类别不平衡更严重两个二分类可以各自调参但推理要跑两次。我一般倾向三分类因为视杯必然在视盘内这个先验可以后处理利用省一次前向。损失函数上纯交叉熵在视杯这种小目标上容易被背景淹没常见做法是 Dice Loss 和交叉熵加权组合。源码里如果只用了交叉熵你可以自己加上 Dice 项通常能明显改善视杯的召回。2.3 数据准备与预处理的最小可跑流程拿到源码后别急着训练先把数据管线跑通。眼底数据集常见格式是原图加对应的分割掩码掩码里用不同灰度值表示不同类别。你需要确认三件事图像和掩码是否同名对应、掩码的像素值到类别的映射关系、图像尺寸是否统一。下面是一段通用的数据检查与预处理代码用来确认掩码类别并做基础增强import cv2 import numpy as np import os def inspect_mask(mask_path): 检查掩码里到底有哪些像素值确认类别映射 mask cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE) unique_vals np.unique(mask) print(f掩码 {os.path.basename(mask_path)} 像素值: {unique_vals}) return unique_vals def preprocess(img_path, size(512, 512)): 读图、绿通道增强、统一尺寸 img cv2.imread(img_path) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 绿通道对比度受限直方图均衡提升视盘视杯对比 green img[:, :, 1] clahe cv2.createCLAHE(clipLimit2.0, tileGridSize(8, 8)) green clahe.apply(green) img[:, :, 1] green img cv2.resize(img, size, interpolationcv2.INTER_LINEAR) # 归一化到 [0,1] img img.astype(np.float32) / 255.0 return img if __name__ __main__: vals inspect_mask(data/mask/sample.png) # 假设输出 [0 128 255]则 0 背景、128 视盘、255 视杯 img preprocess(data/image/sample.png) print(预处理后形状:, img.shape, 取值范围:, img.min(), img.max())这段代码的逻辑是先摸清掩码的类别编码再做绿通道 CLAHE 增强和尺寸统一。clipLimit2.0控制对比度增强强度太大噪声会被放大太小等于没做2.0 是常用起点。tileGridSize(8,8)决定局部均衡的块大小图像小就调小。归一化到 0 到 1 是给网络输入用的别漏。提示如果掩码像素值是 0/1/2 而不是 0/128/255训练前必须做映射否则损失函数算出来的全是错的而且不会报错只会指标奇低。2.4 训练配置里最该盯的几个参数源码能跑起来之后真正决定结果的是几个关键参数。学习率用 1e-4 配 Adam 是安全起点太大视杯直接学不出来太小收敛慢到你以为代码坏了。批大小受显存限制眼底图 512×512 的话 8 或 16 比较常见太小批归一化统计不稳。训练轮数别照抄看验证集 Dice 什么时候不涨了就停通常几十轮。数据增强对眼底图很关键但要注意几何变换必须同时作用在图像和掩码上翻转、旋转、轻微缩放都安全颜色抖动只作用在图像上。很多源码的增强写错了只转图像不转掩码训练时指标虚高推理时原形毕露这是血泪经验。3. 把源码跑起来环境、训练、推理的完整操作3.1 环境搭建与依赖确认先确认 Python 版本多数这类源码在 3.8 到 3.10 之间比较稳。用虚拟环境隔离别污染全局。依赖通常包括 PyTorch 或 TensorFlow、OpenCV、NumPy、Pillow、scikit-learn可能还有 albumentations 做增强。# 创建并激活虚拟环境 python -m venv venv source venv/bin/activate # Windows 用 venv\Scripts\activate # 安装核心依赖版本按源码 requirements 为准 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install opencv-python numpy pillow scikit-learn albumentations pip install matplotlib tqdm命令含义很直白先隔离环境再装深度学习框架和图像处理库。--index-url那行是装 GPU 版 PyTorch如果你没有 NVIDIA 显卡就装 CPU 版把 index-url 去掉即可。装完用python -c import torch; print(torch.cuda.is_available())确认 GPU 是否可用返回 False 就说明要么没卡要么驱动没配好训练会慢很多但能跑。注意requirements.txt 里的版本号别盲目照装尤其是 torch 和 numpy版本冲突是新手最常见的翻车点。装完先跑一个最小推理脚本能出图再谈训练。3.2 训练脚本的启动与日志解读训练入口通常是一个 train.py参数通过命令行或配置文件传入。启动前先确认数据路径配置对不对这是最高频的报错来源。python train.py \ --data_root ./data \ --img_dir images \ --mask_dir masks \ --epochs 80 \ --batch_size 8 \ --lr 1e-4 \ --num_classes 3 \ --save_dir ./checkpoints参数逐个说data_root是数据根目录img_dir和mask_dir是它下面的子目录名很多源码在这里写死路径你要么改代码要么按它的约定放数据。num_classes3对应背景、视盘、视杯如果你的掩码只有两类就改成 2。save_dir是权重保存位置训练中断后能不能续上就看这里有没有存。启动后盯日志里的验证集指标重点看视杯那一类的 Dice 或 IoU。如果训练损失一直降但验证指标不涨是过拟合加增强或加正则。如果损失都不降先查学习率是不是太大再查掩码映射是不是错了。日志里如果出现 loss 为 nan八成是学习率过大或者输入没归一化。3.3 推理与可视化把分割结果叠回原图训练完拿权重做推理输出分割掩码再叠回原图看效果。这一步也是你判断源码质量的直接方式。import torch import cv2 import numpy as np from model import UNet # 按源码实际模块名导入 def predict(model, img_tensor, device): model.eval() with torch.no_grad(): img_tensor img_tensor.unsqueeze(0).to(device) out model(img_tensor) # 取 argmax 得到每个像素的类别 pred torch.argmax(out, dim1).squeeze(0).cpu().numpy() return pred def overlay(img, pred): 把预测掩码半透明叠到原图视盘红、视杯绿 vis img.copy() vis[pred 1] vis[pred 1] * 0.5 np.array([255, 0, 0]) * 0.5 vis[pred 2] vis[pred 2] * 0.5 np.array([0, 255, 0]) * 0.5 return vis.astype(np.uint8) device torch.device(cuda if torch.cuda.is_available() else cpu) model UNet(num_classes3).to(device) model.load_state_dict(torch.load(checkpoints/best.pth, map_locationdevice)) img cv2.imread(data/images/sample.png) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_resized cv2.resize(img, (512, 512)).astype(np.float32) / 255.0 img_tensor torch.from_numpy(img_resized).permute(2, 0, 1).float() pred predict(model, img_tensor, device) vis overlay(cv2.resize(img, (512, 512)), pred) cv2.imwrite(result_overlay.png, cv2.cvtColor(vis, cv2.COLOR_RGB2BGR))逻辑是先加载权重前向得到每个像素的类别概率argmax 取类别再按类别上色叠加。permute(2,0,1)是把 HWC 转成 CHWPyTorch 要的格式漏了这步会报维度错误。map_locationdevice保证在 CPU 上也能加载 GPU 训的权重。叠加时用半透明是为了保留原图纹理方便你判断边界贴不贴合。3.4 评价指标Dice、IoU 和杯盘比怎么算分割任务看 Dice 和 IoU但眼底项目还要算杯盘比因为那才是临床关心的量。Dice 衡量预测和真值的重叠IoU 是交并比两者都按类别单独算。指标公式含义视盘典型值视杯典型值Dice2×交集/(预测真值)0.90 以上0.80 到 0.88IoU交集/并集0.82 以上0.70 到 0.80CDR视杯面积/视盘面积临床参考非分割指标随分割误差放大CDR 对分割误差很敏感因为它是两个面积的比值视杯边界差一点比值就飘。所以报告 CDR 时最好同时给出分割的 Dice否则数字没有说服力。算 CDR 时用像素面积比即可前提是图像没有做各向异性缩放。4. 避坑与排查视杯视盘分割里最容易翻车的五件事4.1 掩码类别映射错指标低到怀疑人生现象训练损失能降但验证 Dice 一直在 0.3 以下可视化出来掩码几乎全错。原因掩码像素值和代码里假设的类别不一致比如掩码是 0/1/2代码按 0/128/255 处理视杯那一类根本没被识别。解决训练前用第 2 章的 inspect_mask 打印唯一像素值按实际值改映射或者写一个转换脚本把掩码重映射到代码期望的值。4.2 数据增强只转图像不转掩码现象训练指标很高推理时边界一塌糊涂尤其旋转过的样本。原因增强库调用时图像和掩码没有同步变换网络学到的是错位的对应关系。解决用 albumentations 这类支持同步变换的库把 image 和 mask 一起传进去自己写增强的话几何变换的随机参数必须对两者共用。4.3 视杯被背景淹没召回极低现象视盘分割正常视杯几乎预测不出来Dice 接近 0。原因视杯面积占比太小纯交叉熵损失下背景梯度主导网络倾向全预测背景。解决损失函数加 Dice Loss 或 Focal Loss给视杯类别加权也可以在采样时保证每个 batch 都含视杯区域。4.4 图像尺寸不统一导致训练报错或结果错位现象报维度不匹配或者训练能跑但掩码和图像对不上。原因数据集里图像尺寸不一代码只 resize 了图像没 resize 掩码或者两者用了不同的插值方式。解决图像用双线性插值掩码用最近邻插值保证类别值不被插值破坏统一在数据加载阶段处理别在训练循环里临时改。4.5 学习率过大导致 loss 变 nan现象训练几个 step 后 loss 变成 nan权重全废。原因学习率太大或者输入没归一化梯度爆炸。解决学习率从 1e-4 起加梯度裁剪确认输入在 0 到 1 之间如果已经 nan降低学习率重训别指望从 nan 恢复。5. 让分割结果真正可用后处理与杯盘比稳定性技巧跑通不等于可用。原始分割输出常有孤立噪点、边界毛刺、视杯跑到视盘外面这类问题直接拿去算 CDR 会飘得没法看。我一般会加两层后处理成本很低但效果立竿见影。第一层是形态学清理。对视杯掩码先做开运算去掉小噪点再做闭运算填内部空洞核大小按图像分辨率定512 尺寸下 3×3 或 5×5 就够。第二层是空间约束视杯必须落在视盘内所以把视杯掩码和视盘掩码求交落在视盘外的视杯像素直接归为视盘或背景。这个先验几乎总是成立用了之后 CDR 的方差会明显下降。import cv2 import numpy as np def postprocess(pred, kernel_size5): pred: HxW值 0 背景 1 视盘 2 视杯 disk (pred 1).astype(np.uint8) cup (pred 2).astype(np.uint8) kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (kernel_size, kernel_size)) # 视杯开运算去噪闭运算填洞 cup cv2.morphologyEx(cup, cv2.MORPH_OPEN, kernel) cup cv2.morphologyEx(cup, cv2.MORPH_CLOSE, kernel) # 视杯限制在视盘内 cup cup disk # 重新组装三分类掩码 out np.zeros_like(pred) out[disk 1] 1 out[cup 1] 2 return out def compute_cdr(pred): 算杯盘比用面积比 disk_area np.sum(pred 1) # 视盘含视杯 cup_area np.sum(pred 2) if disk_area 0: return 0.0 return cup_area / disk_area这段后处理的逻辑是先去噪再施加空间约束最后重组成三分类掩码。kernel_size别设太大太大会把细小的视杯直接抹掉5 是稳妥起点。compute_cdr里视盘面积用pred 1是因为视杯像素值 2 也属于视盘区域这样算出来的才是完整视盘面积如果只算pred 1会漏掉视杯那块CDR 直接偏大。验证后处理有没有用最直接的办法是拿一批图分别算处理前后的 CDR看方差。如果方差明显变小且均值没怎么动说明后处理在压噪声而不是在扭曲结果。另一个验证角度是看视杯和视盘的边界是否贴合叠加图里视杯应该完整包在视盘里出现视杯溢出就是空间约束没生效。还有一个容易被忽略的点不同数据集的视盘大小差异很大有的数据集视盘占图比例高有的低。如果你的模型在一个数据集上训完直接推理另一个数据集的图CDR 的绝对值不可比只能看相对趋势。要跨数据集用至少得做尺寸归一化或者干脆在目标数据集上微调几轮。我自己踩过最深的坑是过早相信平均指标。早期跑完一个源码看平均 Dice 0.88 觉得成了结果单独看视杯只有 0.72算出来的 CDR 跟临床标注差一大截。后来养成习惯任何分割结果先分类别看指标再看后处理前后的 CDR 分布两个都稳了才敢说这个方案能用。眼底图像视杯视盘分割这个方向模型结构不是门槛数据管线和评价口径才是真正拉开差距的地方。希望帮到你。本文还有配套的精品资源点击获取