简介基于yolov5的医学影像肺结节检测项目提供完整源码与配套文档说明主要面向计算机相关专业正在准备毕业设计、课程设计或期末大作业的学生也适合需要项目实战练习的深度学习入门者。项目经过导师指导并获99分高分代码完整可运行即使基础较弱也能按文档步骤完成复现。压缩包共311个文件包含python源码、预训练pt权重、前端vue页面、配置文件及大量样本图片整体80.14MB从模型训练到交互界面均有覆盖便于用户理解检测流程并快速启动项目。已有149人学习是一份兼具学习与参考价值的医学影像检测实践资料可用于肺结节目标检测算法验证、YOLOv5应用拓展等场景。1. 项目概述为什么选YOLOv5来做肺结节检测做医学影像AI检测这个方向很多同学第一反应是先啃论文、上Transformer或者非要用最新的YOLOv8/v9不可。但我在实际做过几个医学影像检测项目之后可以很明确地告诉你在肺结节检测这个任务上YOLOv5依然是性价比最高、最容易出成果的选择。这个项目的核心目标很直白——给定一张胸部CT影像或X光片用目标检测算法把疑似肺结节的区域框出来并给出置信度分数辅助医生做早期筛查。为什么选YOLOv5而不是其他模型原因有三点。第一YOLOv5的生态太成熟了从数据标注到训练推理再到TensorRT部署整个链路都有现成方案社区资料多到看不完遇到报错基本都能搜到解决方案。第二YOLOv5在中等尺寸目标上的检测能力非常稳定肺结节在CT影像中一般占据16x16到128x128像素左右的区域这个尺度恰好是YOLOv5的舒适区。第三从毕设或项目交付的角度看YOLOv5的代码结构清晰改动方便答辩时你能把每一个模块讲明白比甩出一个黑盒模型要有说服力得多。这个项目适合谁如果你是计算机视觉方向的学生拿它当毕业设计完全够分量如果你是刚入门医学影像AI的工程师用它来熟悉医疗数据的处理流程和检测模型训练套路也相当合适。整篇内容我会按照“数据处理—模型训练—评估优化—部署展示”这条主线展开把我实际踩过的坑和总结的经验全部写出来。2. 数据集与预处理医学影像和普通图片完全是两码事2.1 数据集选型LUNA16是首选肺结节检测绕不开的数据集就是LUNA16。这个数据集来源于LIDC/IDRI经过了专门的筛选和处理剔除了扫描层厚大于3mm的CT影像最终保留了888个CT扫描。每个扫描都有多位放射科医生标注的结节位置和直径信息是学术界公认的肺结节检测基准数据集。还有个可选方案是天池的肺结节检测数据集数据规模更大但标注格式和LUNA16略有差异。如果你是做课程设计或练习建议先用LUNA16因为它配套的评测脚本和参考实现最多如果是为了打比赛或发论文再考虑天池这类更大规模的数据。这里要提醒一点LUNA16官方提供的是原始CT序列.mhd/.raw格式和结节标注CSV不是现成的图片。很多新手在这里就卡住了——拿到的数据根本没法直接喂给YOLOv5训练。你需要做的第一步是把三维CT体数据转换成二维切片图像同时把三维空间中的结节坐标映射到二维切面上。这一步处理得好不好直接决定后面模型能不能学到东西。2.2 DICOM/CT影像的关键概念HU值和窗宽窗位处理医学CT影像之前有两个概念必须搞清楚HU值和窗宽窗位。HU值Hounsfield Unit是CT影像中衡量组织密度的标准单位空气是-1000水是0骨骼通常在400以上。肺结节的HU值范围一般在-600到200之间这个区间和周围正常肺组织的重叠度很高这也是肺结节检测的难点之一。窗宽窗位Window Width/Level是医学影像显示的核心概念。简单说CT原始数据的数值范围很广-1024到3071但人眼和神经网络其实只关心其中某个子区间。窗宽决定了显示的范围宽度窗位决定了范围的中心。肺窗通常设窗宽1500、窗位-600这样能把肺部结构清晰地显示出来。在预处理时我通常会做一步“窗宽窗位截断”把HU值裁剪到[-1200, 600]这个区间然后再归一化到0-1或0-255这样模型看到的输入是经过医学知识优化的而不是原始裸数据。2.3 三维CT如何转成二维切片这一步是整个项目中第一个大坑。LUNA16的原始数据是三维体数据也就是几十到几百张二维切片叠起来的“厚本子”。YOLOv5吃的是二维图像所以你必须把这个“厚本子”拆成一张张单层切片。实操中建议用SimpleITK库来读取和转换代码不复杂import SimpleITK as sitk import numpy as np def load_ct_image(mhd_path): itk_img sitk.ReadImage(mhd_path) img_array sitk.GetArrayFromImage(itk_img) # (z, y, x) 顺序 spacing itk_img.GetSpacing() # (x, y, z) 方向上的像素间距 return img_array, spacing关键点在于读取出来的数组维度顺序是(z, y, x)而YOLOv5输入图片的习惯是(h, w)也就是(y, x)。做训练样本时我一般步长取1或2来切片也就是每隔1到2层取一张图。层厚越薄切片越多相邻层信息越重复但检测越密集层厚越厚切片少但容易漏掉小病灶。LUNA16里大多是1mm层厚的数据步长取1基本不会漏结节。坐标映射也要仔细做。假设一个结节的中心在三维空间中的坐标为(x, y, z)它在第k张切片上的位置就是二维点(x, y)YOLOv5需要的边界框坐标就是(x_center, y_center, w, h)。而这个w和h怎么算结节直径是d毫米需要除以像素间距spacing换算成像素尺寸width_px diameter_mm / spacing[0] height_px diameter_mm / spacing[1]这个换算一步都不能错错了框的位置和尺寸就全偏了。2.4 正负样本的平衡策略切完所有CT后你会发现一个很现实的问题一个CT序列有200多张切片但只有少数几层有结节。如果所有切片都送进去训练负样本没有结节的切片的数量会是正样本的几十倍。直接训练会导致模型严重偏向“什么都不检测”因为全预测为背景的loss就已经很低了。我的处理策略是两层过滤第一层只保留包含结节的切片以及结节所在层前后各5层以内的切片这些邻接层虽然可能没有结节但它们包含丰富的肺部结构上下文信息对模型学习“什么不是结节”非常重要。第二层对完全不含任何结节的切片做随机抽样控制每张CT的负样本数量在正样本的2-3倍以内。处理完后正样本总量大约在3000-5000张负样本控制在8000-10000张这样模型的训练效率和最终效果都会处于一个比较健康的状态。3. 数据标注与格式转换给YOLOv5准备标准输入数据集处理好之后下一步就是把数据整理成YOLOv5能直接吃进去的格式。这一步没有太多技术含量但特别繁琐最容易出幺蛾子。3.1 YOLOv5需要的目录结构YOLOv5对数据集的目录结构有固定要求我建议严格照下面这个来组织dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── nodule.yamlimages目录放图片labels目录放对应的标注文件。标注文件是txt格式每一行代表一个目标格式是class_id x_center y_center width height注意这五个值都是归一化后的数值范围在0到1之间。x_center和y_center是目标中心点相对于图片宽高的比例width和height是目标宽高相对于图片宽高的比例。写代码时一定要记得除以图片尺寸我见过不少同学直接拿像素坐标写进去训练出来的loss直接飞了。3.2 标注文件生成脚本把LUNA16的标注CSV转换成YOLOv5格式的txt核心逻辑如下import pandas as pd import os from pathlib import Path # annos.csv是LUNA16的标注文件包含seriesuid, coordX, coordY, coordZ, diameter_mm annos pd.read_csv(annotations.csv) def convert_luna_to_yolo(ct_root, slice_root, annos): for _, row in annos.iterrows(): series_uid row[seriesuid] # 定位到对应CT的切片目录 slice_dir Path(slice_root) / series_uid if not slice_dir.exists(): continue images sorted(slice_dir.glob(*.png)) for img_path in images: slice_idx int(img_path.stem) # 获取该切片的spacing信息需要解析CT原图这里简化处理 # 根据z坐标和slice_idx的对应关系判断结节是否落在当前切片 # 如果落在当前切片则计算归一化后的x_center, y_center, w, h写入txt return这段代码只展示了骨架逻辑真实的映射关系需要结合每张切片的物理坐标来判断。我的经验是在切片时就把每张切片的真实世界z坐标保存下来存成一个JSON映射表这样后面坐标映射时直接查表不用重复算。3.3 用LabelImg或labelme做补充标注如果你不想用LUNA16的标注而是想用自己的医学影像数据那就需要人工标注了。医学影像标注强烈推荐用LabelImgYOLO格式原生支持相比labelme它在目标检测标注上更顺手导出格式直接是YOLO txt省得再转换。标注肺结节时有一个经验因为肺结节的边缘往往模糊跟周围组织对比度低在标注时框得稍微紧一点宁小勿大。框大了会把周围的血管、胸膜拽进来模型学习的特征就会出现偏差。如果同一区域多名医生标注结果不同以中间值为准。标注完一定要做一次可视化验证把标注框画回图片上人工扫一遍确认没有漏标、错标、坐标偏移。这一步很费时间但绝不能省脏数据会让模型学出一堆莫名其妙的误检。4. YOLOv5模型训练从理论到实战4.1 网络结构完全解析YOLOv5的模型结构在yolov5s.yaml中定义整体可以分为三个部分Backbone骨干网络、Neck特征融合模块、Head检测头。Backbone是CSPDarknet核心组件是C3模块CSP Bottleneck with 3 convolutions它把特征图分成两条路径一条走瓶颈层一条走捷径最后concat起来。这种结构的好处是能在保持检测精度的同时显著减少计算量相当于在神经网络里做了一次“特征分流”。对于肺结节这种小目标低层的细节特征非常重要C3结构能够有效保留这些信息。Neck是PANet结构Path Aggregation Network作用是让不同尺度的特征图之间充分交换信息。它有一条自顶向下的路径把语义信息传到浅层还有一条自底向上的路径把空间细节传到深层。YOLOv5在neck中有3个不同尺度的输出分别是80x80、40x40、20x20的特征图。80x80对应小目标检测20x20对应大目标。肺结节大多是小目标所以80x80这一路输出是最关键的。Head部分用了anchor-based的检测方式。YOLOv5默认在COCO数据集聚类出了9个anchor但对于肺结节检测COCO的anchor尺寸明显不适合。我的做法是在训练前用k-means对标注框重新聚类得到适合肺结节尺寸分布的anchor。聚类得到的anchor尺寸一般集中在8x8到48x48之间替换掉默认值后小目标的召回率会有明显提升。4.2 环境配置与依赖YOLOv5的官方仓库地址大家应该都知道clone下来之后环境配置本身不复杂但有几个细节要注意。我用的是以下组合Python 3.8或3.9PyTorch 1.10到2.0之间CUDA 11.3以上torchvision版本要和PyTorch对应opencv-python、pandas、matplotlib等依赖项我的实际经验是CUDA版本和PyTorch版本不匹配是最常见的坑。先敲nvidia-smi看驱动支持的CUDA版本再去PyTorch官网选对应版本安装。比如驱动是CUDA 12.x的就可以直接pip装默认的torch版本如果驱动是老版本就得装cuda11.3对应的torch 1.12。环境装好后跑一遍官方推理脚本验证一下确保能正常加载模型权重再开始干活。4.3 数据配置与超参数调整在dataset目录下创建nodule.yaml内容如下train: dataset/images/train val: dataset/images/val nc: 1 names: [nodule]nc1表示只有1个类别也就是“结节”。训练命令如下python train.py --data nodule.yaml --weights yolov5s.pt --img 640 --batch-size 16 --epochs 100 --device 0几个超参数的选择逻辑img size分辨率越高对小目标越友好但显存占用也越大。我对CT切片的做法是保持原始切片尺寸一般是512x512在训练时用--img 640因为YOLOv5会自动做letterbox缩放不会过度拉伸目标。batch-size16是一个比较稳妥的起点如果你的显卡只有8G显存降到8。显存不够的时候优先降batch而不是降分辨率不然目标会变得更小更难检测。epochs医学影像数据量少100轮的训练基本够用了再多了容易过拟合。学习率等参数我一般用官方默认值没必要一开始就调。先跑一轮baseline再看loss曲线决定下一步优化方向。YOLOv5支持断点续训--resume参数能从上一次中断的位置继续这个功能在训练中断的时候特别救命。4.4 训练过程中的关键监控指标训练时不要只盯着终端日志看YOLOv5会自动输出到runs/train目录里面有训练曲线图。我最关注三个指标box_loss、obj_loss、以及验证集上的mAP曲线。box_loss是边界框回归损失正常应该稳步下降如果出现波动剧烈甚至持续上升基本可以判定是学习率过大或数据问题。obj_loss是目标置信度损失这个指标对正负样本极度不平衡的场景很敏感如果obj_loss下不去先检查数据集的标注是否正常。mAP0.5就是你最终评分时的核心指标LUNA16和大多数医学影像比赛的评价标准是以IoU0.5的召回率和精确度为核心的FROC分数YOLOv5输出的mAP0.5可以做一个快速参考。我训练出来的一个baseline效果大概在mAP0.5 0.75-0.85这个范围取决于数据预处理质量和anchor聚类效果。如果低于0.7基本不是超参的问题先回头检查标注文件。5. 模型评估、调优与推理部署5.1 评估指标怎么看目标检测有三大指标Precision精确率、Recall召回率、mAPmean Average Precision。肺结节检测场景中召回率比精确率重要得多。原因很简单漏检一个恶性结节可能延误病情而误检的成本是医生再看一眼就能排除的。所以我在调参时会优先保证Recall在Recall不掉的前提下再尽量提升Precision。YOLOv5的val.py脚本会直接在测试集上输出这几个指标。运行命令python val.py --data nodule.yaml --weights best.pt --img 640输出的报告中各项指标会按类别列出。在肺结节场景我一般要求Recall达到0.85以上Precision至少0.8这个水平在学术演示或课程设计里都是比较能打的。5.2 常见怪问题排查实录问题一loss下降但mAP不涨这个我碰到过好几次。loss数值在降说明模型的拟合能力在提升但mAP不涨说明模型学会的东西和你的评价标准对不上。最常见的原因是anchor设置不合理导致预测框和真实框的IoU普遍偏低。去做k-means聚类把anchor尺寸换成适合肺结节的值这个问题基本就解决了。问题二小目标完全检测不到肺结节很多只有10-20像素大小。YOLOv5虽然有两个检测层但对极小目标依然吃力。我的经验是第一把训练分辨率提升到1280如果显存允许这对小目标提升非常显著第二在数据增强里添加mosaic增强默认开着的但可以适当降低mosaic的使用概率因为医学影像不同于自然图像过度的拼接增强反而会破坏解剖结构。问题三同一结节被重复框出当一个结节被多个anchor同时命中时YOLOv5用NMS非极大值抑制来去重。如果发现同一个结节出现多个框就把NMS的阈值从0.45调低到0.3左右这样重叠度过高的框会被更激进地合并。如果发现相邻的多个真实结节被合并成一个框了再把阈值调回来。问题四分割出的切片背景太干净模型学到的是“图像风格”而不是“结节特征”这是医学影像训练中最隐蔽的坑。因为我们的切片大部分来自同一批CT设备背景纹理高度相似模型可能学到的是“是否来自有结节的机器”而不是“是否有结节”。我的对策是加强训练集的多样性不同的CT序列、不同的窗宽窗位设置、不同的切片位置都要混入训练集。有条件的话再用图像增强把亮度、对比度做随机扰动让模型不能依赖图像的绝对灰度来判断。5.3 推理与可视化展示训练结束后用detect.py做推理python detect.py --weights best.pt --source data/test_images/ --conf-thres 0.25 --iou-thres 0.45在实际演示场景中我建议把置信度阈值从默认的0.25提高到0.4以上。因为肺结节本身就是小目标低置信度的框大概率是误检。把阈值调高之后界面看起来更干净在答辩演示或者给导师看效果时更有说服力。可视化输出的代码也可以做定制把检测框改成带透明度填充的样式框上标注“Nodule 0.87”之类的标签比较接近医疗设备的视觉风格。这个细节在评审时其实是加分项说明你真的理解了这个场景需要什么样的交互呈现。6. 项目文档与代码组织实践6.1 文档怎么写才能体现专业性源码给的再多没有好的文档支撑项目的含金量会大打折扣。我建议文档至少包含以下五个部分项目概述背景、目标、数据集来源、环境依赖精确到版本号、运行指南从数据准备到训练到推理的完整命令、结果分析训练曲线、指标报告、代表性检测效果图、项目扩展思路后续能优化的方向。文档中放一张技术架构图会有很直接的效果标明数据流从“CT影像→预处理→模型推理→输出检测结果”的完整路径。这不只是应付学分的摆设也是你在答辩时讲解项目脉络的讲稿基础。6.2 代码组织的几个小习惯平时看不出来但到答辩或项目汇报之前代码组织混乱会让人非常痛苦。YOLOv5项目本身的结构已经很清晰了你额外写的部分要单独放在一个custom目录或scripts目录中不要和官方代码混在一起。数据预处理脚本、标注转换脚本、评估脚本、可视化脚本各自独立每个脚本开头写清楚输入输出和依赖路径。版本管理上哪怕只有一个人开发也建议用Git。每次跑出一版不错的模型把权重文件和数据配置一起打tag这样后面模型改差了还能找回之前的版本。6.3 答辩时容易被问到的问题我做这个项目时评审老师问得最多的是三个问题为什么用YOLOv5而不是更轻量的模型阈值调整的依据是什么误检的结节有什么共同特征前两个问题在正文中已经有答案。第三个问题建议在debug阶段就留个心眼把误检的案例存下来归类常见误检来源是血管断面、胸膜增厚、炎症实变这些和结节的纹理特征很接近。能说出这一层说明你不是只会调包的是真理解了医学影像检测的难点所在。7. 一手经验总结能抄的作业都在这里回过头来看这个项目最核心的技术链路就这么几条数据集预处理的质量决定模型上限anchor聚类和正负样本平衡决定训练效率评估指标中Recall优先于Precision部署展示时把置信度阈值调高让效果更干净。我个人在实际操作中最深刻的体会是深度学习项目的时间投入大量消耗在数据环节而不是模型环节。LUNA16数据集的转换、清洗、协调映射占了这个项目大概60%的时间真正跑模型和调参反而比较快。所以如果你现在正准备动手做这个项目请把最多的时间预算拨给数据预处理和标注验证这部分做得扎实后面的路会顺畅得多。最后再分享一个小技巧训练时把best.pt和last.pt都保留last是每个epoch结束时的权重best是在验证集上表现最好的权重。如果你发现best的mAP和last差得特别大那说明验证集的数据分布和训练集有点脱节可以回头检查一下数据划分有没有泄漏问题。整个项目做完你会对“目标检测算法的工程化落地”这套流程有一个相对完整的体感从数据到模型再到展示每一步背后都有讲究。在真实医疗场景中模型输出之后还会有医生复核AI的价值是帮医生减少重复性劳动而不是替代诊断。做医学影像算法的同学多理解这层场景含义做出来的东西会更有温度也更有方向。本文还有配套的精品资源点击获取
YOLOv5肺结节检测实战：从CT影像预处理到模型部署
简介基于yolov5的医学影像肺结节检测项目提供完整源码与配套文档说明主要面向计算机相关专业正在准备毕业设计、课程设计或期末大作业的学生也适合需要项目实战练习的深度学习入门者。项目经过导师指导并获99分高分代码完整可运行即使基础较弱也能按文档步骤完成复现。压缩包共311个文件包含python源码、预训练pt权重、前端vue页面、配置文件及大量样本图片整体80.14MB从模型训练到交互界面均有覆盖便于用户理解检测流程并快速启动项目。已有149人学习是一份兼具学习与参考价值的医学影像检测实践资料可用于肺结节目标检测算法验证、YOLOv5应用拓展等场景。1. 项目概述为什么选YOLOv5来做肺结节检测做医学影像AI检测这个方向很多同学第一反应是先啃论文、上Transformer或者非要用最新的YOLOv8/v9不可。但我在实际做过几个医学影像检测项目之后可以很明确地告诉你在肺结节检测这个任务上YOLOv5依然是性价比最高、最容易出成果的选择。这个项目的核心目标很直白——给定一张胸部CT影像或X光片用目标检测算法把疑似肺结节的区域框出来并给出置信度分数辅助医生做早期筛查。为什么选YOLOv5而不是其他模型原因有三点。第一YOLOv5的生态太成熟了从数据标注到训练推理再到TensorRT部署整个链路都有现成方案社区资料多到看不完遇到报错基本都能搜到解决方案。第二YOLOv5在中等尺寸目标上的检测能力非常稳定肺结节在CT影像中一般占据16x16到128x128像素左右的区域这个尺度恰好是YOLOv5的舒适区。第三从毕设或项目交付的角度看YOLOv5的代码结构清晰改动方便答辩时你能把每一个模块讲明白比甩出一个黑盒模型要有说服力得多。这个项目适合谁如果你是计算机视觉方向的学生拿它当毕业设计完全够分量如果你是刚入门医学影像AI的工程师用它来熟悉医疗数据的处理流程和检测模型训练套路也相当合适。整篇内容我会按照“数据处理—模型训练—评估优化—部署展示”这条主线展开把我实际踩过的坑和总结的经验全部写出来。2. 数据集与预处理医学影像和普通图片完全是两码事2.1 数据集选型LUNA16是首选肺结节检测绕不开的数据集就是LUNA16。这个数据集来源于LIDC/IDRI经过了专门的筛选和处理剔除了扫描层厚大于3mm的CT影像最终保留了888个CT扫描。每个扫描都有多位放射科医生标注的结节位置和直径信息是学术界公认的肺结节检测基准数据集。还有个可选方案是天池的肺结节检测数据集数据规模更大但标注格式和LUNA16略有差异。如果你是做课程设计或练习建议先用LUNA16因为它配套的评测脚本和参考实现最多如果是为了打比赛或发论文再考虑天池这类更大规模的数据。这里要提醒一点LUNA16官方提供的是原始CT序列.mhd/.raw格式和结节标注CSV不是现成的图片。很多新手在这里就卡住了——拿到的数据根本没法直接喂给YOLOv5训练。你需要做的第一步是把三维CT体数据转换成二维切片图像同时把三维空间中的结节坐标映射到二维切面上。这一步处理得好不好直接决定后面模型能不能学到东西。2.2 DICOM/CT影像的关键概念HU值和窗宽窗位处理医学CT影像之前有两个概念必须搞清楚HU值和窗宽窗位。HU值Hounsfield Unit是CT影像中衡量组织密度的标准单位空气是-1000水是0骨骼通常在400以上。肺结节的HU值范围一般在-600到200之间这个区间和周围正常肺组织的重叠度很高这也是肺结节检测的难点之一。窗宽窗位Window Width/Level是医学影像显示的核心概念。简单说CT原始数据的数值范围很广-1024到3071但人眼和神经网络其实只关心其中某个子区间。窗宽决定了显示的范围宽度窗位决定了范围的中心。肺窗通常设窗宽1500、窗位-600这样能把肺部结构清晰地显示出来。在预处理时我通常会做一步“窗宽窗位截断”把HU值裁剪到[-1200, 600]这个区间然后再归一化到0-1或0-255这样模型看到的输入是经过医学知识优化的而不是原始裸数据。2.3 三维CT如何转成二维切片这一步是整个项目中第一个大坑。LUNA16的原始数据是三维体数据也就是几十到几百张二维切片叠起来的“厚本子”。YOLOv5吃的是二维图像所以你必须把这个“厚本子”拆成一张张单层切片。实操中建议用SimpleITK库来读取和转换代码不复杂import SimpleITK as sitk import numpy as np def load_ct_image(mhd_path): itk_img sitk.ReadImage(mhd_path) img_array sitk.GetArrayFromImage(itk_img) # (z, y, x) 顺序 spacing itk_img.GetSpacing() # (x, y, z) 方向上的像素间距 return img_array, spacing关键点在于读取出来的数组维度顺序是(z, y, x)而YOLOv5输入图片的习惯是(h, w)也就是(y, x)。做训练样本时我一般步长取1或2来切片也就是每隔1到2层取一张图。层厚越薄切片越多相邻层信息越重复但检测越密集层厚越厚切片少但容易漏掉小病灶。LUNA16里大多是1mm层厚的数据步长取1基本不会漏结节。坐标映射也要仔细做。假设一个结节的中心在三维空间中的坐标为(x, y, z)它在第k张切片上的位置就是二维点(x, y)YOLOv5需要的边界框坐标就是(x_center, y_center, w, h)。而这个w和h怎么算结节直径是d毫米需要除以像素间距spacing换算成像素尺寸width_px diameter_mm / spacing[0] height_px diameter_mm / spacing[1]这个换算一步都不能错错了框的位置和尺寸就全偏了。2.4 正负样本的平衡策略切完所有CT后你会发现一个很现实的问题一个CT序列有200多张切片但只有少数几层有结节。如果所有切片都送进去训练负样本没有结节的切片的数量会是正样本的几十倍。直接训练会导致模型严重偏向“什么都不检测”因为全预测为背景的loss就已经很低了。我的处理策略是两层过滤第一层只保留包含结节的切片以及结节所在层前后各5层以内的切片这些邻接层虽然可能没有结节但它们包含丰富的肺部结构上下文信息对模型学习“什么不是结节”非常重要。第二层对完全不含任何结节的切片做随机抽样控制每张CT的负样本数量在正样本的2-3倍以内。处理完后正样本总量大约在3000-5000张负样本控制在8000-10000张这样模型的训练效率和最终效果都会处于一个比较健康的状态。3. 数据标注与格式转换给YOLOv5准备标准输入数据集处理好之后下一步就是把数据整理成YOLOv5能直接吃进去的格式。这一步没有太多技术含量但特别繁琐最容易出幺蛾子。3.1 YOLOv5需要的目录结构YOLOv5对数据集的目录结构有固定要求我建议严格照下面这个来组织dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── nodule.yamlimages目录放图片labels目录放对应的标注文件。标注文件是txt格式每一行代表一个目标格式是class_id x_center y_center width height注意这五个值都是归一化后的数值范围在0到1之间。x_center和y_center是目标中心点相对于图片宽高的比例width和height是目标宽高相对于图片宽高的比例。写代码时一定要记得除以图片尺寸我见过不少同学直接拿像素坐标写进去训练出来的loss直接飞了。3.2 标注文件生成脚本把LUNA16的标注CSV转换成YOLOv5格式的txt核心逻辑如下import pandas as pd import os from pathlib import Path # annos.csv是LUNA16的标注文件包含seriesuid, coordX, coordY, coordZ, diameter_mm annos pd.read_csv(annotations.csv) def convert_luna_to_yolo(ct_root, slice_root, annos): for _, row in annos.iterrows(): series_uid row[seriesuid] # 定位到对应CT的切片目录 slice_dir Path(slice_root) / series_uid if not slice_dir.exists(): continue images sorted(slice_dir.glob(*.png)) for img_path in images: slice_idx int(img_path.stem) # 获取该切片的spacing信息需要解析CT原图这里简化处理 # 根据z坐标和slice_idx的对应关系判断结节是否落在当前切片 # 如果落在当前切片则计算归一化后的x_center, y_center, w, h写入txt return这段代码只展示了骨架逻辑真实的映射关系需要结合每张切片的物理坐标来判断。我的经验是在切片时就把每张切片的真实世界z坐标保存下来存成一个JSON映射表这样后面坐标映射时直接查表不用重复算。3.3 用LabelImg或labelme做补充标注如果你不想用LUNA16的标注而是想用自己的医学影像数据那就需要人工标注了。医学影像标注强烈推荐用LabelImgYOLO格式原生支持相比labelme它在目标检测标注上更顺手导出格式直接是YOLO txt省得再转换。标注肺结节时有一个经验因为肺结节的边缘往往模糊跟周围组织对比度低在标注时框得稍微紧一点宁小勿大。框大了会把周围的血管、胸膜拽进来模型学习的特征就会出现偏差。如果同一区域多名医生标注结果不同以中间值为准。标注完一定要做一次可视化验证把标注框画回图片上人工扫一遍确认没有漏标、错标、坐标偏移。这一步很费时间但绝不能省脏数据会让模型学出一堆莫名其妙的误检。4. YOLOv5模型训练从理论到实战4.1 网络结构完全解析YOLOv5的模型结构在yolov5s.yaml中定义整体可以分为三个部分Backbone骨干网络、Neck特征融合模块、Head检测头。Backbone是CSPDarknet核心组件是C3模块CSP Bottleneck with 3 convolutions它把特征图分成两条路径一条走瓶颈层一条走捷径最后concat起来。这种结构的好处是能在保持检测精度的同时显著减少计算量相当于在神经网络里做了一次“特征分流”。对于肺结节这种小目标低层的细节特征非常重要C3结构能够有效保留这些信息。Neck是PANet结构Path Aggregation Network作用是让不同尺度的特征图之间充分交换信息。它有一条自顶向下的路径把语义信息传到浅层还有一条自底向上的路径把空间细节传到深层。YOLOv5在neck中有3个不同尺度的输出分别是80x80、40x40、20x20的特征图。80x80对应小目标检测20x20对应大目标。肺结节大多是小目标所以80x80这一路输出是最关键的。Head部分用了anchor-based的检测方式。YOLOv5默认在COCO数据集聚类出了9个anchor但对于肺结节检测COCO的anchor尺寸明显不适合。我的做法是在训练前用k-means对标注框重新聚类得到适合肺结节尺寸分布的anchor。聚类得到的anchor尺寸一般集中在8x8到48x48之间替换掉默认值后小目标的召回率会有明显提升。4.2 环境配置与依赖YOLOv5的官方仓库地址大家应该都知道clone下来之后环境配置本身不复杂但有几个细节要注意。我用的是以下组合Python 3.8或3.9PyTorch 1.10到2.0之间CUDA 11.3以上torchvision版本要和PyTorch对应opencv-python、pandas、matplotlib等依赖项我的实际经验是CUDA版本和PyTorch版本不匹配是最常见的坑。先敲nvidia-smi看驱动支持的CUDA版本再去PyTorch官网选对应版本安装。比如驱动是CUDA 12.x的就可以直接pip装默认的torch版本如果驱动是老版本就得装cuda11.3对应的torch 1.12。环境装好后跑一遍官方推理脚本验证一下确保能正常加载模型权重再开始干活。4.3 数据配置与超参数调整在dataset目录下创建nodule.yaml内容如下train: dataset/images/train val: dataset/images/val nc: 1 names: [nodule]nc1表示只有1个类别也就是“结节”。训练命令如下python train.py --data nodule.yaml --weights yolov5s.pt --img 640 --batch-size 16 --epochs 100 --device 0几个超参数的选择逻辑img size分辨率越高对小目标越友好但显存占用也越大。我对CT切片的做法是保持原始切片尺寸一般是512x512在训练时用--img 640因为YOLOv5会自动做letterbox缩放不会过度拉伸目标。batch-size16是一个比较稳妥的起点如果你的显卡只有8G显存降到8。显存不够的时候优先降batch而不是降分辨率不然目标会变得更小更难检测。epochs医学影像数据量少100轮的训练基本够用了再多了容易过拟合。学习率等参数我一般用官方默认值没必要一开始就调。先跑一轮baseline再看loss曲线决定下一步优化方向。YOLOv5支持断点续训--resume参数能从上一次中断的位置继续这个功能在训练中断的时候特别救命。4.4 训练过程中的关键监控指标训练时不要只盯着终端日志看YOLOv5会自动输出到runs/train目录里面有训练曲线图。我最关注三个指标box_loss、obj_loss、以及验证集上的mAP曲线。box_loss是边界框回归损失正常应该稳步下降如果出现波动剧烈甚至持续上升基本可以判定是学习率过大或数据问题。obj_loss是目标置信度损失这个指标对正负样本极度不平衡的场景很敏感如果obj_loss下不去先检查数据集的标注是否正常。mAP0.5就是你最终评分时的核心指标LUNA16和大多数医学影像比赛的评价标准是以IoU0.5的召回率和精确度为核心的FROC分数YOLOv5输出的mAP0.5可以做一个快速参考。我训练出来的一个baseline效果大概在mAP0.5 0.75-0.85这个范围取决于数据预处理质量和anchor聚类效果。如果低于0.7基本不是超参的问题先回头检查标注文件。5. 模型评估、调优与推理部署5.1 评估指标怎么看目标检测有三大指标Precision精确率、Recall召回率、mAPmean Average Precision。肺结节检测场景中召回率比精确率重要得多。原因很简单漏检一个恶性结节可能延误病情而误检的成本是医生再看一眼就能排除的。所以我在调参时会优先保证Recall在Recall不掉的前提下再尽量提升Precision。YOLOv5的val.py脚本会直接在测试集上输出这几个指标。运行命令python val.py --data nodule.yaml --weights best.pt --img 640输出的报告中各项指标会按类别列出。在肺结节场景我一般要求Recall达到0.85以上Precision至少0.8这个水平在学术演示或课程设计里都是比较能打的。5.2 常见怪问题排查实录问题一loss下降但mAP不涨这个我碰到过好几次。loss数值在降说明模型的拟合能力在提升但mAP不涨说明模型学会的东西和你的评价标准对不上。最常见的原因是anchor设置不合理导致预测框和真实框的IoU普遍偏低。去做k-means聚类把anchor尺寸换成适合肺结节的值这个问题基本就解决了。问题二小目标完全检测不到肺结节很多只有10-20像素大小。YOLOv5虽然有两个检测层但对极小目标依然吃力。我的经验是第一把训练分辨率提升到1280如果显存允许这对小目标提升非常显著第二在数据增强里添加mosaic增强默认开着的但可以适当降低mosaic的使用概率因为医学影像不同于自然图像过度的拼接增强反而会破坏解剖结构。问题三同一结节被重复框出当一个结节被多个anchor同时命中时YOLOv5用NMS非极大值抑制来去重。如果发现同一个结节出现多个框就把NMS的阈值从0.45调低到0.3左右这样重叠度过高的框会被更激进地合并。如果发现相邻的多个真实结节被合并成一个框了再把阈值调回来。问题四分割出的切片背景太干净模型学到的是“图像风格”而不是“结节特征”这是医学影像训练中最隐蔽的坑。因为我们的切片大部分来自同一批CT设备背景纹理高度相似模型可能学到的是“是否来自有结节的机器”而不是“是否有结节”。我的对策是加强训练集的多样性不同的CT序列、不同的窗宽窗位设置、不同的切片位置都要混入训练集。有条件的话再用图像增强把亮度、对比度做随机扰动让模型不能依赖图像的绝对灰度来判断。5.3 推理与可视化展示训练结束后用detect.py做推理python detect.py --weights best.pt --source data/test_images/ --conf-thres 0.25 --iou-thres 0.45在实际演示场景中我建议把置信度阈值从默认的0.25提高到0.4以上。因为肺结节本身就是小目标低置信度的框大概率是误检。把阈值调高之后界面看起来更干净在答辩演示或者给导师看效果时更有说服力。可视化输出的代码也可以做定制把检测框改成带透明度填充的样式框上标注“Nodule 0.87”之类的标签比较接近医疗设备的视觉风格。这个细节在评审时其实是加分项说明你真的理解了这个场景需要什么样的交互呈现。6. 项目文档与代码组织实践6.1 文档怎么写才能体现专业性源码给的再多没有好的文档支撑项目的含金量会大打折扣。我建议文档至少包含以下五个部分项目概述背景、目标、数据集来源、环境依赖精确到版本号、运行指南从数据准备到训练到推理的完整命令、结果分析训练曲线、指标报告、代表性检测效果图、项目扩展思路后续能优化的方向。文档中放一张技术架构图会有很直接的效果标明数据流从“CT影像→预处理→模型推理→输出检测结果”的完整路径。这不只是应付学分的摆设也是你在答辩时讲解项目脉络的讲稿基础。6.2 代码组织的几个小习惯平时看不出来但到答辩或项目汇报之前代码组织混乱会让人非常痛苦。YOLOv5项目本身的结构已经很清晰了你额外写的部分要单独放在一个custom目录或scripts目录中不要和官方代码混在一起。数据预处理脚本、标注转换脚本、评估脚本、可视化脚本各自独立每个脚本开头写清楚输入输出和依赖路径。版本管理上哪怕只有一个人开发也建议用Git。每次跑出一版不错的模型把权重文件和数据配置一起打tag这样后面模型改差了还能找回之前的版本。6.3 答辩时容易被问到的问题我做这个项目时评审老师问得最多的是三个问题为什么用YOLOv5而不是更轻量的模型阈值调整的依据是什么误检的结节有什么共同特征前两个问题在正文中已经有答案。第三个问题建议在debug阶段就留个心眼把误检的案例存下来归类常见误检来源是血管断面、胸膜增厚、炎症实变这些和结节的纹理特征很接近。能说出这一层说明你不是只会调包的是真理解了医学影像检测的难点所在。7. 一手经验总结能抄的作业都在这里回过头来看这个项目最核心的技术链路就这么几条数据集预处理的质量决定模型上限anchor聚类和正负样本平衡决定训练效率评估指标中Recall优先于Precision部署展示时把置信度阈值调高让效果更干净。我个人在实际操作中最深刻的体会是深度学习项目的时间投入大量消耗在数据环节而不是模型环节。LUNA16数据集的转换、清洗、协调映射占了这个项目大概60%的时间真正跑模型和调参反而比较快。所以如果你现在正准备动手做这个项目请把最多的时间预算拨给数据预处理和标注验证这部分做得扎实后面的路会顺畅得多。最后再分享一个小技巧训练时把best.pt和last.pt都保留last是每个epoch结束时的权重best是在验证集上表现最好的权重。如果你发现best的mAP和last差得特别大那说明验证集的数据分布和训练集有点脱节可以回头检查一下数据划分有没有泄漏问题。整个项目做完你会对“目标检测算法的工程化落地”这套流程有一个相对完整的体感从数据到模型再到展示每一步背后都有讲究。在真实医疗场景中模型输出之后还会有医生复核AI的价值是帮医生减少重复性劳动而不是替代诊断。做医学影像算法的同学多理解这层场景含义做出来的东西会更有温度也更有方向。本文还有配套的精品资源点击获取