医学深度学习毕设最卡人的地方往往不是模型原理看不懂而是拿到了 ResNet、UNet、DeepLabV3、YOLOv5 这一堆模型名却不知道它们各自解决什么问题、怎么用 PyTorch 在同一个数据集上跑起来。这篇文章就把这条路线完整拆开用分类、分割、检测三种典型任务把四个模型依次落地。内容按我实际做项目时的顺序来写先确认数据集和任务再搭环境再每个模型单独验证最后考虑怎么串成完整毕设。如果你是正在准备医学影像相关的本科或硕士毕设手里有 X 光片、CT、病理切片或者眼底图像并且打算做交叉验证、消融实验、多模型对比这篇会比较对路。如果你只是会跑 PyTorch 自带示例但不知道医学数据应该怎么组织、模型输出应该怎么看我也把判断标准和检查链路写清楚。我的建议是不要一上来就同时跑四个模型。先把一条主线定住再把一个模型跑通后面全部是在这条主线上叠加。1. 毕设主线先定清楚四类模型分别对应什么任务1.1 医学影像里的三件事分类、分割、检测医学深度学习毕设的题目五花八门但底层任务无外乎三件事分类判断这张图像有没有病、属于哪一类模型输出一个类别标签。分割判断每个像素属于哪个器官或病灶模型输出一张和输入尺寸接近的 mask。检测判断图像里有哪些目标、每个目标在什么位置模型输出边界框和类别。ResNet 适合做分类。它是经典的卷积神经网络通过残差连接让深层网络更好训练经常用来做肺炎分类、糖尿病视网膜病变分级、病理图像良恶性判断。UNet 适合做像素级分割。它有一个很明显的 U 形结构编码器不断下采样提取高层语义解码器逐步恢复分辨率再用跳跃连接把高分辨率细节传给解码器。医学图像里病灶边界模糊、背景占比大UNet 这种结构非常合适。DeepLabV3 也是语义分割模型但它更强调多尺度信息。它使用空洞卷积扩大感受野再通过 ASPP空洞空间金字塔池化模块对不同尺度特征进行融合。器官分割、肿瘤区域提取这类对边界精细度要求高的任务也经常用它。YOLOv5 是目标检测模型。相比分割它更关心哪里有目标、目标多大、有几个目标。细胞检测、肺结节筛查、内窥镜下的息肉定位这类任务通常适合 YOLO 系列。1.2 用一条主线把四个模型串起来很多同学拿到这四个模型后第一反应是每个模型跑一遍对比一下准确率。这种做法不是不行但很容易让论文变成算法测评报告缺少医学场景上的连贯性。我更建议先定一个具体场景。举个例子假设你选的是肺结节分析那么可以这样设计用 YOLOv5 检测 CT 或 X 光片里的结节区域输出边界框。用 UNet 对结节区域做精细分割得到病灶轮廓。用 ResNet 对分割出的区域做良恶性分类。用 DeepLabV3 做一个辅助的语义分割网络和 UNet 做对比证明你选的 UNet 改进结构在边界和细节上更好。用这种思路四个模型不是孤立存在而是围绕同一个医学问题展开。论文里的多任务、多模型对比、结果融合都有真实落脚点。如果你的毕设题目已经由导师给定那就以题目里指定的任务为主。比如导师只要求做病灶分割你可以把 UNet 作为主模型把 DeepLabV3 作为基线对比模型。ResNet 和 YOLOv5 如果和题目不相关不必硬凑作为扩展实验写清楚即可。2. 环境准备PyTorch 装在什么环境里才不会卡一个星期2.1 安装 PyTorch 之前先确认三件事很多医学深度学习毕设的前期时间不是花在读论文上而是花在环境安装上。我见过有同学装 PyTorch 装了一个星期最后发现是 CUDA 版本和显卡驱动不匹配。安装之前先确认三件事显卡型号和显存大小。显卡驱动支持的最高 CUDA 版本。想安装的 PyTorch 版本对应的 CUDA 版本。如果你的机器没有 NVIDIA 独立显卡或者显存只有 2GB 到 4GB建议先用 CPU 版本跑通小规模实验或者使用云 GPU 环境。医学图像往往分辨率较高带显卡会舒服很多。查询驱动支持的 CUDA 版本在命令行里输入nvidia-smi右上角的 CUDA Version 表示当前驱动支持的最高版本。只要 PyTorch 对应的 CUDA 版本不高于这个数字一般都能正常工作。然后去 PyTorch 官方页面选择安装命令。页面会根据你的系统、包管理器、CUDA 版本生成对应的 pip 或 conda 命令。这里有一个常见误区不要直接复制 pip install torch 就完事默认安装的可能是 CPU 版本会白白牺牲 GPU 加速。2.2 用 Miniconda 隔离环境避免依赖冲突医学影像项目很容易出现依赖冲突。今天装了一个医学预处理库明天又装了目标检测框架两边的 numpy 或 torchvision 版本可能打架。我一般建议用 Miniconda 创建独立环境conda create -n medical python3.10 conda activate medical然后按照 PyTorch 官网给的命令安装。比如 CUDA 12.1 对应的常见安装命令是pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121上面这种写法是使用官方预先打包好的 wheel不用自己拼 CUDA 环境。如果你的显卡驱动支持的是其他版本把 cu121 换成实际版本即可。这里有一个需要注意的点先确认版本号再执行安装最好不要直接复制网上很早之前的命令。如果你的项目只需要跑推理或者只是学习模型结构CPU 版本也可以pip install torch torchvision torchaudio不过医学影像训练一般都会用 GPU速度差距可能是几十倍。2.3 验证环境是否安装成功安装完成后不要急着开始训练。先做一次快速验证import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else CPU only)如果输出的第二行是 True说明 PyTorch 能正常使用 GPU。如果显示 False先检查安装的 PyTorch 是不是 CPU 版本再看 CUDA 版本是否匹配。这一步看起来简单但至少有三分之一的报错来自这里。我见过太多人后面训练时发现 device 始终是 CPU回头查才发现是最开始装了 CPU 版。3. ResNet 实战肺炎 X 光分类的前期准备和训练判断3.1 为什么用预训练 ResNet医学影像数据集通常不大一个常见的医学分类任务可能只有几千张甚至几百张图。从零开始训练 ResNet50几乎一定会过拟合。解决办法是使用在 ImageNet 上预训练好的权重然后做迁移学习。PyTorch 里加载预训练 ResNet50 非常简单import torchvision.models as models model models.resnet50(weightsmodels.ResNet50_Weights.IMAGENET1K_V2)这行代码会下载预训练权重。如果你的网络状况不稳定可以先手动下载权重文件放到本地路径再加载import torch model models.resnet50(weightsNone) state_dict torch.load(resnet50_weights.pth) model.load_state_dict(state_dict)使用预训练模型的关键不是只修改最后一层的类别数而是理解迁移学习中的参数冻结策略。如果数据集非常小比如只有几百张可以先把前面的卷积层冻结只训练最后的全连接层。等这一轮跑通之后再解冻一部分层做微调。如果数据集有几千张以上通常直接微调全部参数效果更好但学习率要调低一些。3.2 数据组织、数据增强与训练流程医学分类任务的数据集目录建议按下面的格式组织data/ train/ normal/001.jpg pneumonia/002.jpg val/ normal/003.jpg pneumonia/004.jpg用 PyTorch 的 ImageFolder 可以直接读取这种目录结构from torchvision import datasets, transforms train_transform transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomResizedCrop(224), transforms.RandomHorizontalFlip(), transforms.RandomRotation(10), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) train_dataset datasets.ImageFolder(data/train, transformtrain_transform)医学图像很多是灰度图比如 X 光片。PyTorch 会把单通道图复制成三通道和 ImageNet 预训练模型的输入兼容。前提是你用 ImageFolder 读取时图像本身是灰度 JPEG 或 PNG。如果原始格式是 DICOM需要先做格式转换这部分属于数据预处理放在模型训练之前完成。训练流程有一个建议先做一次小规模冒烟测试再用全量数据训练。冒烟测试就是选几十张图跑到前几个 batch确认 loss 在下降、代码没有报错。冒烟测试能跑通后再启动完整训练。优化器选择上我一般会用 AdamW初始学习率 1e-4batch size 从 16 或 32 开始。如果显存不够可以把输入尺寸降到 224或者 batch size 降到 8。分类任务不需要一开始就有 1024 的高分辨率很多医学分类任务用 224 或 256 已经能获得不错结果。3.3 分类任务怎么判断效果医学分类任务不能只看 accuracy。如果正常样本占 90%模型把所有样本都预测为正常准确率也有 90%。这就是医学影像里最常见的类别不平衡问题。需要同时看四个数字准确率、精确率、召回率、F1-score。召回率尤其重要。以肺炎检测为例漏掉一个阳性样本的代价远高于误报一个阴性样本。所以训练结束后要输出混淆矩阵看清楚误报和漏报分别发生在哪里。PyTorch 里做这类评估一般用 sklearn 的 classification_report 就能得到精确率、召回率、F1from sklearn.metrics import classification_report, confusion_matrix如果类别不平衡严重可以考虑两种方案。第一种是在损失函数里给少数类更高的权重。第二种是使用 Focal Loss降低易分类样本的梯度权重让模型更关注难分类样本。肺结节、罕见病分类里经常用到 Focal Loss。ResNet 这一阶段要完成的验证目标是能在验证集上稳定输出分类结果能解释每一类样本的召回率而不是只报一个总准确率。4. UNet 实战医学分割里最重要的结构和损失函数4.1 UNet 结构拆解编码器、解码器、跳跃连接UNet 之所以在医学分割中流行核心在于它的跳跃连接。编码器每经过一次下采样空间分辨率减半通道数加倍。到了最底层特征图已经具有很高的语义信息但空间细节大量丢失。解码器逐步恢复分辨率时如果只依赖底层语义信息边缘会非常粗糙。跳跃连接把编码器各层的细节特征直接传给解码器对应层让模型同时拥有知道这是什么和知道边界在哪的能力。如果用 PyTorch 实现一个基础 UNet核心模块大概是class DoubleConv(nn.Module): def __init__(self, in_ch, out_ch): super().__init__() self.conv nn.Sequential( nn.Conv2d(in_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue), nn.Conv2d(out_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue) ) def forward(self, x): return self.conv(x)完整的 UNet 需要编码器四个下采样块、解码器四个上采样块并在对应层之间拼接。如果你不想从零写也可以直接使用开源库 Segmentation Models PyTorch也就是 smpimport segmentation_models_pytorch as smp model smp.Unet(encoder_nameresnet34, encoder_weightsimagenet, classes1)这个库会把 ResNet 等分类网络作为编码器主干然后自动接上 UNet 解码器。使用预训练编码器对医学分割很有帮助尤其是小数据集能让模型少走很多弯路。4.2 数据准备与损失函数DiceLoss 是关键分割任务的数据准备和分类不同。分类只需要一张输入图和一个标签。分割任务除了需要输入图还需要一张和原图大小接近的 mask 图mask 中每个像素的灰度值代表类别编号。比如你要分割肺野背景像素可能是 0肺野像素可能是 1。模型输出的是一个多通道概率图通道数等于类别数。如果只有前景背景两类输出通道就是 1用 Sigmoid 激活。损失函数的选择对医学分割至关重要。最常见的组合是 Dice Loss 加 Binary Cross Entropy。Dice Loss 直接优化区域重叠程度能有效缓解背景占比过大的问题def dice_loss(pred, target, smooth1.0): pred torch.sigmoid(pred) intersection (pred * target).sum() return 1 - (2.0 * intersection smooth) / (pred.sum() target.sum() smooth)这里有两个常用的注意点。第一mask 数据通常不是从带标注文件直接读出来就能用的。很多医学数据集提供的是 JSON、XML 或者 RLE 编码的标注需要先转换为像素级的 mask 数组。第二输入图像的尺寸和 mask 尺寸必须严格一致。如果代码里做了随机裁剪或 resize必须对输入和 mask 做同样的变换。最容易出的问题就是图像被 Resize 到了 512×512mask 还是原来的 256×256结果模型训练不收敛或者 loss 忽高忽低看不出规律。4.3 UNet 改进方向改进大头、注意力模块、多尺度特征论文写作时如果能对 UNet 做一点针对性改进会比重启一个新模型更有说服力。常见改进方向有三个第一是替换编码器。把 UNet 的默认编码器换成 ResNet、EfficientNet 等预训练主干。这样能利用 ImageNet 预训练权重对小数据集尤其友好。第二是加入注意力机制。比如在跳跃连接处加入通道注意力或空间注意力模块让模型更关注病灶区域减少背景干扰。医学图像里病灶往往只占整张图很小一部分不加注意力的模型很容易被背景带偏。第三是多尺度融合。不同大小的病灶在特征图上的表现差异很大。大病灶需要高层语义信息小病灶需要浅层高分辨率信息。可以在 UNet 的解码器里把不同尺度的输出做融合或者参考 DeepLabV3 引入不同空洞率的卷积。实验设计上不要一开始就做所有改进。先把基础 UNet 跑通得到第一个分割结果再逐步加入改进模块记录每一步带来的指标变化。这样的消融实验在答辩时是最有价值的。5. DeepLabV3 实战多尺度语义分割的对比与调参5.1 DeepLabV3 与 UNet 的核心区别很多同学分不清 UNet 和 DeepLabV3 到底该选哪个。简单说UNet 更适合医学图像常见的小数据集和精细边界场景DeepLabV3 的强项在于多尺度特征提取和速度。DeepLabV3 的核心是 ASPP 模块。它使用多个不同空洞率的空洞卷积并行处理输入特征再把结果合并。空洞卷积可以在不增加参数量的情况下扩大感受野拿到更多上下文信息。对于器官分割这类背景和器官尺度差异大的任务ASPP 的优势比较明显。实现 DeepLabV3 时同样不需要从零写全部代码。PyTorch 官方 torchvision 里就提供了 DeepLabV3 模型import torchvision.models.segmentation as models model models.deeplabv3_resnet50(weightsmodels.DeepLabV3_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1) model.classifier[4] nn.Conv2d(256, num_classes, kernel_size(1, 1))这里的 num_classes 是分割类别数。如果用二分类分割设为 1。关键点是模型输出的 key 是 out预测时需要从 model(input) 这个字典里取出 out 才算找到结果。5.2 DeepLabV3 在医学数据上的适配输入尺寸和类别数使用 DeepLabV3 时输入尺寸不能太小。因为模型里有下采样和空洞卷积如果输入尺寸太小最后的分割图会非常粗糙。医学图像分割我一般会把输入 resize 到 512×512 或 384×384。如果你的显卡显存不够不要强行把输入设得很大。可以试试 256×256 搭配较小的 batch size。如果还是超显存使用梯度累积模拟更大的 batch。DeepLabV3 的 backbone 选择也是一个常见权衡resnet50 比较轻量显存占用低训练速度快resnet101 效果理论上更好但显存占用高训练时间差不多翻倍。做毕设如果时间紧张先用 resnet50 跑通整体流程最后对比 resnet101 的指标差异即可。5.3 两种分割模型的结果怎么对比论文里同时出现 UNet 和 DeepLabV3通常是为了比较。比较的指标应该是Dice 系数衡量分割区域和真实区域的重合度。IoU交并比衡量预测区域和真实区域的集合重叠程度。召回率病灶区域被正确分割出的比例。边界准确率如果题目关心边界可以计算预测边界和真实边界之间的豪斯多夫距离。同一张图的两个模型输出一定要可视化并排对比。医学深度学习毕设的答辩老师通常不会逐行看代码但一定会看分割图。你需要在图片里标出真实标注是什么、UNet 预测是什么、DeepLabV3 预测是什么哪里过分割、哪里欠分割、哪里边界不连续。能讲清楚这些差异比单纯丢出几个指标更有说服力。对比时要注意控制变量。两个模型使用相同的数据划分、相同的损失函数、相同的图像预处理方式。否则差异说不清来自模型结构还是实验条件。6. YOLOv5 实战目标检测在自己数据上的训练流程6.1 YOLOv5 的核心结构和在自己的数据集上训练YOLOv5 的源码结构不复杂它是一个集成了数据加载、训练、验证、导出功能的完整工程。相比自己用 PyTorch 手写分类器YOLOv5 更像一个开箱即用的目标检测训练框架。YOLOv5 的网络由 Backbone、Neck、Head 三部分组成。Backbone 负责提取特征Neck 使用 FPN 和 PAN 融合不同尺度的特征Head 输出不同尺寸目标的位置和类别概率。YOLOv5 有两个和毕设强相关的点一是它把三个尺度上的预测合并到一起能同时检测大目标和小目标二是它使用自动计算锚框的机制训练时会根据数据集的标注尺寸自动调整先验框。使用 YOLOv5 训练自己的医学数据集第一步不是写模型代码而是把数据转换成 YOLO 格式。YOLOv5 的数据格式和分类、分割完全不同。每张图像对应一个同名的 txt 文件txt 文件里每一行表示一个目标0 0.5 0.5 0.2 0.3这五个数字分别代表类别编号、目标中心点 x 坐标、目标中心点 y 坐标、目标宽度、目标高度。后面四个值都是相对于图像宽高的比例取值在 0 到 1 之间。如果你的标注是 COCO 格式或 VOC 格式需要先转换成 YOLO 格式。网上有不少转换脚本但最好自己检查一遍生成结果可以在图片上把检测框画出来确认标注没有错位。6.2 标注格式、超参数设置与训练流程YOLOv5 训练自己的数据集时需要准备一个 data.yaml 文件train: data/train/images val: data/val/images nc: 1 names: [nodule]然后克隆 YOLOv5 仓库并安装依赖git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt训练命令python train.py --data data.yaml --weights yolov5s.pt --img 640 --epochs 100 --batch-size 8这里的 yolov5s.pt 是 YOLOv5 官方提供的预训练权重。医学目标检测数据集通常较小使用预训练权重能明显提升收敛速度。如果你使用的是 YOLOv8 或更新的 v11 版本命令会有些差异但整体逻辑一致准备 yaml、准备标注、运行训练。YOLOv5 超参数里最值得注意的是学习率和 batch size。默认参数对自然图像比较友好但医学图像往往是灰度图目标数量少且尺寸差异大。我会把输入尺寸从默认的 640 下调到 512 或 384让显存宽裕一些。batch size 从 8 开始如果显存允许再调大。6.3 目标检测的评估指标和先验框调整医学目标检测最常看的指标是 mAP50 和 mAP50-95。mAP50 表示预测框和真实框的 IoU 大于 0.5 时算检测成功mAP50-95 是在不同 IoU 阈值下的平均结果。对于肺结节这类目标边界通常比较清晰mAP50 是最基础的评价。如果毕设要求更高重点看 mAP50-95因为只有定位非常准的框才会在高 IoU 阈值下仍然阳性。YOLOv5 训练时会自动计算先验框这个过程叫 AutoAnchor。如果你的数据集目标尺寸和 COCO 差异很大模型会在训练前自动重新聚类锚框。我在医学数据集上遇到过一个问题目标太小默认锚框根本不适合导致训练前期 loss 很大。解决办法是允许 YOLOv5 自动重新计算锚框或者手动把输入分辨率适当调大让小目标在特征图上保留更多信息。数据量少是医学检测任务最常见的瓶颈。一个类别的目标如果只有几百个YOLOv5 很难稳定收敛。通常的做法是使用更大规模的数据增强包括随机旋转、平移、缩放、翻转。YOLOv5 的 data/hyps 目录下已经包含一组超参数其中增强程度较大的是 hyp.scratch-low.yaml 和 hyp.scratch-high.yaml。小数据集可以先把增强参数拉大但要根据验证集的 mAP 变化来判断不能盲目增强。检测任务也要注意类别不平衡。如果医学数据集里阳性样本很少检测模型的置信度阈值可能需要调低。否则很多低置信度目标会被过滤掉召回率偏低。7. 模型串起来以后多任务实验设计、答辩要点与排错链路7.1 多任务的串联思路前面的部分把每个模型单独跑通了但毕设不能停在四个模型各自跑一遍这一层。多任务融合是提升论文完成度的重要方式。一种常见的做法是流水线串联先用 YOLOv5 定位候选区域再把每个候选区裁剪出来交给 UNet 做像素级分割最后把分割结果输入 ResNet 分类。这种流程的好处是每一步都有独立可解释的输出答辩时容易讲清楚。另一种做法是特征级融合在数据层面把同一患者的影像、结构化诊断信息、检查报告放在一起建立关系图谱作为分类或分割的辅助输入。这种做法的工程复杂度更高也比较容易出问题。如果时间紧张我不建议第一次做医学深度学习毕设就碰复杂的多模态结构。无论采用哪种串联方式都要在实验设计里明确整条流水线是端到端训练还是每个模块单独训练后再串联。端到端训练的优点是梯度可以回传到所有模块但医学数据集通常不够大端到端训练容易不稳定。单独训练的优点是稳每个模块可以用最合适的损失函数和超参数缺点是中间误差会累积前面模块检测错了后面模块无法纠正。7.2 数据目录与完整训练管线的建议做多任务项目时数据目录一定要提前规划。把不同任务的数据分开project/ data/ classification/ train/ val/ segmentation/ images/ masks/ detection/ images/ labels/ results/ resnet/ unet/ deeplabv3/ yolov5/ scripts/ preprocess.py train_resnet.py train_unet.py train_yolov5.py结果目录也要固定下来。很多同学训练完模型后权重文件和可视化图散落各处最后写论文时找不到对应实验。我建议每个模型训练完成后立刻保存三样东西训练曲线、验证集可视化、评估指标。这三个文件都按实验名称命名后面做消融实验时能省很多时间。训练脚本建议写成参数化脚本而不是每次手工改代码。比如训练 ResNet 时把数据路径、学习率、epoch、输出目录都放到命令行参数里python train_resnet.py --data data/classification --epochs 50 --lr 1e-4 --output results/resnet这样重复实验时只需要改参数不需要改代码也不会因为忘记某个改动导致结果对不上。7.3 答辩前要准备的对比实验和可视化医学深度学习毕设答辩时真正拉开差距的是实验设计的完整度和结果可视化质量。老师经常会问三个问题你的方法比基线提升在哪为什么选择这些结构在错误样本上模型是什么表现提前准备好四类材料第一是整体流程框图。用一张图把输入数据、模型结构、训练流程、输出结果串起来。这是答辩开场五分钟的核心材料。第二是每个模型的训练曲线。loss 曲线和验证集指标曲线能证明模型是正常收敛的而不是硬等到训练结束。第三是分割和检测结果可视化。分割任务上至少展示三组例子模型表现好的、中等难度的、失败的。检测任务上展示包含真实边界框和预测边界框的对比图标注置信度分数。第四是消融实验表。如果你对 UNet 做了改进至少要提供基础 UNet、基础 UNet 加第一项改进、加第二项改进三个结果。表格里同时放 Dice、IoU、参数量或推理时间让老师能看出每个模块的实际贡献。7.4 常见报错与排查链路多模型多任务项目里报错几乎是必然的。我见过最多的几类问题按排查顺序列在这里第一训练开始时 loss 为 0 或马上变成 NaN。先检查数据输入图像是不是有大量全黑或全白的空图。再检查归一化图像像素是否被转成 0 到 1 范围标签是否是正确的 0 到 n-1 的整数。如果用的是预训练模型初始学习率过大也会导致 NaN。解决方法是把学习率降到 1e-5 或 1e-6 再试。第二模型在 GPU 上跑但显存溢出。先降低 batch size不行再降低输入分辨率。如果已经很小还溢出检查代码里是否同时加载了太多中间变量。推理时关闭梯度计算用 torch.no_grad() 包起来也能减少显存占用。第三分割任务的 mask 和目标对不上。检查数据增强是否对输入和 mask 做了相同的 transform。很多分割代码只对输入图做了裁剪翻转mask 没做训练就很奇怪地发散。出现这种情况优先把数据增强先全部关掉验证模型能不能在原始数据上过拟合一个小批次。能过拟合说明数据通路正常问题多半在增强或不稳定的 loss。第四YOLOv5 训练时读取不到标签、标签为空、mAP 一直为 0。依次检查标签文件所在路径、标签里的类别编号是否小于 nc、图像和标注是否对应、标注框是否超出了图像边界。如果训练集的正样本目标太少mAP 不稳定是正常的需要先补充数据或做增强。第五多任务串联时中间输出维度对不上。比如 YOLOv5 裁剪出的候选区域大小不同直接输入 UNet 就会报错。解决办法是在裁剪后统一 resize 到固定尺寸或者把 UNet 设计成全卷积网络对输入尺寸有一定容忍度。给一个最实际的建议每完成一个阶段就把代码和数据备份一次并把实验结果记录在一个简单的 Markdown 或表格里。医学深度学习毕设的工程量比普通课程设计大后期需要写论文和做实验对比时前期整理的痕迹会成为最值钱的东西。最后说一点体会这四个模型组合起来确实能覆盖医学影像毕设里的主流任务但在实际落地时代码跑通只是第一步真正决定论文质量的是你能不能解释每个模型为什么有效、在哪些例子下会失效。先把基础 UNet 读透再考虑注意力或 ASPP 的改进先把 Python 的目录和函数封装好再开始大规模训练。这样一步一步走下来医学深度学习毕设没有想象中那么复杂。
