简介面向眼底图像分割初学者和医学影像方向课题/毕设人群的UNet综合实训包配套视频与图文教程覆盖网络原理讲解、数据准备、训练测试到界面封装全流程。视网膜血管的形态变化能反映多种疾病的早期病理而传统人工分割费时且主观性强使用该实训包可将自动分割方案快速落地。资源共259个文件总大小约123.23MB188张png眼底图像构成训练与测试样本py脚本负责训练和预测逻辑pth为训练好的模型权重mp4教学视频与pdf图文资料辅助理解txt/json/xml存放标签、参数配置及项目说明。压缩包内置可视化预测系统上传眼底图像即可得到血管分割结果同时提供混淆矩阵csv等评估文件便于检查性能。已有105人学习下载适合想系统掌握UNet原理并快速搭建可演示项目的开发者。1. 为什么眼底血管分割要靠 Unet这套资源里到底有什么做眼科影像相关的课题或课程设计时最劝退的不是模型原理而是“数据根本没有对齐”。眼底血管图像分割这种任务公开数据集要自己下载、自己裁剪、自己转 mask等把数据折腾干净一周时间就没了。这套 Unet 眼底血管图像分割资源把数据、代码、模型、界面、视频教程打包在一起核心解决的是“从零到能演示”的问题训练集和测试集是处理好的Unet 训练和测试代码是完整的还有一个训练好的模型可以直接加载最后封装成了图形界面点按钮上传一张眼底图就能出血管分割结果。这套资源适合三类人做医学影像相关课程设计的学生想快速跑通 Unet 并在眼底数据上验证效果的算法工程师以及需要一套完整 baseline 做论文对比实验的研究生。它包含 Unet 原理讲解、处理好的训练集和测试集、训练测试代码、训练好的模型权重、混淆矩阵结果文件以及配套的图文和视频教程。下面我从数据组织、训练参数、测试评估、界面封装到避坑按实际使用顺序拆一遍。2. Unet 原理与数据处理为什么它能抠出眼底细血管2.1 Unet 的编码-解码与跳跃连接血管分割的关键在于细节保留Unet 能成为医学图像分割的事实标准不是因为它结构花哨而是它的“编码-解码 跳跃连接”设计恰好踩中了血管分割的两个痛点。眼底血管是细长结构一根血管可能只占几个像素宽传统的 FCN 连续下采样会把细血管直接“吞掉”而 Unet 在每次下采样后都把对应分辨率的特征图通过跳跃连接传给解码器让上采样过程中能“找回”边缘细节。编码器部分就是常见的卷积 池化组合每经过一次下采样特征图尺寸减半、通道数翻倍网络看到的是越来越宏观的语义信息解码器用转置卷积把特征图逐步还原回原图尺寸同时通过torch.cat把同尺度的编码器特征拼接回来。这种拼接操作等于告诉解码器“宏观位置信息和微观边缘信息我都要”所以最后输出的分割图里主血管和末梢毛细血管都能保留。2.2 数据集目录与 mask 标注训练前先确认三件事拿到这套资源后不要急着跑训练脚本先花十分钟确认数据组织方式。眼底血管分割数据集的常规组织方式是images目录放眼底原图masks目录放对应的二值标注图文件名一一对应。标注图里血管区域是白色像素值 255背景是黑色像素值 0训练时一般把 mask 转成单通道二值图白色归一化为 1。资源里还有一个confusion_matrix.csv文件这是模型在测试集上统计出的混淆矩阵结果包含 TP、FP、FN、TN 四个数值。这四个数不是摆设后面算 Accuracy、Sensitivity、Specificity、Dice、IoU 全靠它也是你判断模型“能不能用”的第一手证据。打开数据目录后重点确认三件事第一原图和 mask 是否一一对应文件名是否完全一致第二图像尺寸是否统一如果不统一代码里有没有 resize 逻辑第三mask 是单通道灰度图还是三通道 RGB 图这决定了训练时读取的方式。我见过太多人在这三个地方翻车——名字对不上导致训练时图跟 mask 错位训练了一天才发现血泪经验。2.3 数据加载与预处理灰度化、归一化与数据增强怎么写眼底图像分割的数据预处理比自然图像分割要“轻”因为眼底图结构相对固定不需要做复杂的随机裁剪和色彩抖动。常见做法是转灰度图、归一化到[0, 1]、统一 resize 到模型输入尺寸然后做少量几何增强。import cv2 import numpy as np from torch.utils.data import Dataset class FundusDataset(Dataset): def __init__(self, img_dir, mask_dir, img_size(512, 512), augmentFalse): self.img_paths sorted(os.listdir(img_dir)) self.mask_dir mask_dir self.img_size img_size self.augment augment def __len__(self): return len(self.img_paths) def __getitem__(self, idx): img_name self.img_paths[idx] img cv2.imread(os.path.join(self.img_dir, img_name), cv2.IMREAD_GRAYSCALE) mask cv2.imread(os.path.join(self.mask_dir, img_name), cv2.IMREAD_GRAYSCALE) img cv2.resize(img, self.img_size) mask cv2.resize(mask, self.img_size, interpolationcv2.INTER_NEAREST) img img.astype(np.float32) / 255.0 mask (mask 127).astype(np.float32) if self.augment: if np.random.rand() 0.5: img cv2.flip(img, 1) mask cv2.flip(mask, 1) if np.random.rand() 0.5: img cv2.flip(img, 0) mask cv2.flip(mask, 0) img torch.from_numpy(img).unsqueeze(0) mask torch.from_numpy(mask).unsqueeze(0) return img, mask这段代码有几个关键参数要注意。img_size我建议设成(512, 512)这是显存占用和分割精度之间的平衡点INTER_NEAREST是 resize mask 时必须用的插值方式如果改成线性插值mask 边缘会出现介于 0 和 1 之间的过渡值训练时损失函数会混乱mask 127是为了兜底处理那些不是纯 0 和纯 255 的标注图。数据增强只用了水平翻转和垂直翻转因为眼底图的血管方向本来就是随机的旋转类增强容易把视盘位置搞乱不建议开。灰度归一化到[0, 1]这一步必须和后面测试、界面预测时保持一致否则会出现“训练效果好、部署效果差”的玄学问题。3. 跑通训练脚本模型定义、损失函数与输出文件3.1 Unet 模型定义卷积块、下采样与上采样怎么拼这套资源里的 Unet 是标准医疗影像版本四个下采样块、四个上采样块输入单通道灰度图输出单通道概率图。核心模块是两个卷积加 BatchNorm 的DoubleConv下采样用MaxPool2d上采样用ConvTranspose2d。import torch import torch.nn as nn 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) class UNet(nn.Module): def __init__(self, in_channels1, out_channels1): super().__init__() self.enc1 DoubleConv(in_channels, 64) self.enc2 DoubleConv(64, 128) self.enc3 DoubleConv(128, 256) self.enc4 DoubleConv(256, 512) self.pool nn.MaxPool2d(2) self.center DoubleConv(512, 1024) self.up4 nn.ConvTranspose2d(1024, 512, 2, stride2) self.dec4 DoubleConv(1024, 512) self.up3 nn.ConvTranspose2d(512, 256, 2, stride2) self.dec3 DoubleConv(512, 256) self.up2 nn.ConvTranspose2d(256, 128, 2, stride2) self.dec2 DoubleConv(256, 128) self.up1 nn.ConvTranspose2d(128, 64, 2, stride2) self.dec1 DoubleConv(128, 64) self.out nn.Conv2d(64, out_channels, 1) def forward(self, x): e1 self.enc1(x) e2 self.enc2(self.pool(e1)) e3 self.enc3(self.pool(e2)) e4 self.enc4(self.pool(e3)) c self.center(self.pool(e4)) d4 self.dec4(torch.cat([self.up4(c), e4], dim1)) d3 self.dec3(torch.cat([self.up3(d4), e3], dim1)) d2 self.dec2(torch.cat([self.up2(d3), e2], dim1)) d1 self.dec1(torch.cat([self.up1(d2), e1], dim1)) return self.out(d1)这段结构有两点值得注意。第一in_channels1是因为眼底图转成了灰度图如果你想用彩色眼底图改成 3 即可但建议先按灰度跑通再改。第二最后一层是nn.Conv2d(64, 1, 1)输出没有接 Sigmoid因为训练时用BCEWithLogitsLoss这个损失函数内部已经包含了 Sigmoid 计算直接在输出上算损失数值更稳定。跳跃连接的位置在torch.cat把下采样第 N 层的特征和上采样第 N 层的特征拼接这是 Unet 的核心机制不要删。3.2 训练参数推荐损失函数、学习率与低显存配置训练眼底血管分割最典型的坑是没有综合考虑显存和分割精度。根据这套资源的实际场景我给出以下参数配置。参数推荐值说明输入尺寸512 × 512低于 384 会明显丢失细血管Batch Size4 8显存不够就降到 2配合梯度累积损失函数BCEWithLogitsLoss Dice Loss单独用 BCE 会导致血管区域被背景淹没优化器Adamlr 初始 1e-4比 SGD 更稳学习率策略CosineAnnealingLR避免后期 loss 震荡Epoch60 100小数据集 60 轮足够收敛混合精度AMP显存不够时开启能省约 40% 显存我看到资源包的说明里提到训练集已经“处理好”如果数据集规模是几百张级别这个配置够用。很多人喜欢把 Batch Size 拉到 16结果显存直接爆掉然后怪模型太大——其实 512 分辨率下 Unet 的显存占用大头在特征图把 Batch Size 设为 4训练一个 epoch 并不会慢太多但显存压力小一个量级。如果有人显卡只有 6GB我一般建议把img_size从 512 降到 448同时开启 AMP。448 对眼底血管来说损失可以接受但能保住 Batch Size 4 的训练稳定性。低显存运行模型的核心思路就是“降分辨率优先于降通道数”因为 Unet 的通道数是结构决定的轻易改动会破坏跳跃连接的维度匹配。3.3 训练主循环从 loss 曲线到混淆矩阵输出训练循环本身不复杂套路是前向计算、算损失、反向传播、更新参数每个 epoch 结束做一次验证并保存最优模型。但为了后续能出混淆矩阵验证阶段要做额外几步把预测概率图二值化和二值 mask 逐像素比对统计 TP、FP、FN、TN最后写入confusion_matrix.csv。for epoch in range(epochs): model.train() total_loss 0 for imgs, masks in train_loader: imgs, masks imgs.to(device), masks.to(device) preds model(imgs) loss criterion(preds, masks) optimizer.zero_grad() loss.backward() optimizer.step() total_loss loss.item() # 验证阶段 model.eval() tp fp fn tn 0 with torch.no_grad(): for imgs, masks in val_loader: imgs, masks imgs.to(device), masks.to(device) preds torch.sigmoid(model(imgs)) binary (preds 0.5).float() tp ((binary 1) (masks 1)).sum().item() fp ((binary 1) (masks 0)).sum().item() fn ((binary 0) (masks 1)).sum().item() tn ((binary 0) (masks 0)).sum().item() torch.save(model.state_dict(), funet_epoch_{epoch}.pth)这里有两个容易被忽视的细节。第一个是torch.sigmoid必须在验证阶段手动调用因为训练时 BCEWithLogitsLoss 内部做了 Sigmoid但验证时模型直接输出 logits不经过 Sigmoid 就阈值得不到正确的二值图。第二个是混淆矩阵的统计单位用.sum().item()统计每个 batch 的累加值而不是用torchmetrics这类库——不是不能用而是手写统计能让你清楚地知道这四个数到底怎么来的后面解释模型效果时更有底。训练结束后资源里的confusion_matrix.csv就是用类似逻辑统计出来的。训练时每个 epoch 保存一份权重文件会占用大量硬盘空间建议只保存验证集 Dice 最高的那一个命名成best_model.pth逻辑是当前 epoch 的 Dice 大于历史最佳时覆盖保存否则跳过。4. 模型测试与界面封装从概率图到上传即预测4.1 加载训练好的权重做推理输出概率图转二值图训练好的模型如果要复现效果第一步是加载权重第二步是保证预处理和训练时完全一致。资源里带了一个训练好的模型文件这就是“后悔药”——即使你没显卡重新训练也能直接加载它跑测试和界面。import torch import torch.nn.functional as F device torch.device(cuda if torch.cuda.is_available() else cpu) model UNet(in_channels1, out_channels1).to(device) model.load_state_dict(torch.load(best_model.pth, map_locationdevice)) model.eval() def predict_single(img_path, size(512, 512)): img cv2.imread(img_path, cv2.IMREAD_GRAYSCALE) img cv2.resize(img, size) img img.astype(np.float32) / 255.0 img_tensor torch.from_numpy(img).unsqueeze(0).unsqueeze(0).to(device) with torch.no_grad(): logits model(img_tensor) prob torch.sigmoid(logits) binary (prob 0.5).float() return binary.squeeze().cpu().numpy(), prob.squeeze().cpu().numpy()map_locationdevice这行要写因为很多人用 GPU 训练、用 CPU 加载不指定的话 PyTorch 会尝试按保存时的设备加载CPU 环境直接报错。unsqueeze(0).unsqueeze(0)是把 H×W 的二维数组变成 N×C×H×W 的四维张量N 是 batch 维C 是通道维顺序不能乱。阈值0.5在绝大多数情况下可用但如果你的模型预测概率普遍偏低或者偏高可以看验证集的 PR 曲线来定不过那是后话。推理时一个显眼的技巧是处理大图——如果测试图比 512×512 大很多直接 resize 会丢失细血管我一般会切成 512×512 的 patch 分别预测再拼回去patch 之间重叠 32 像素重叠区取平均值能有效避免拼缝处的血管断裂。4.2 评估指标从 confusion_matrix.csv 解读 Acc、Dice、IoU拿到confusion_matrix.csv后里面四个数字怎么变成论文里的指标这是有固定公式的。医学图像分割领域最看重的是 Dice 和 Sensitivity而不是 Accuracy因为血管像素占比不到 10%就算把所有像素都预测为背景Accuracy 也能到 90% 以上但那没有任何临床意义。import pandas as pd cm pd.read_csv(confusion_matrix.csv, index_col0) tn cm.loc[TN, value] # 实际是读取数值按文件结构调整 fp cm.loc[FP, value] fn cm.loc[FN, value] tp cm.loc[TP, value] acc (tp tn) / (tp tn fp fn) sensitivity tp / (tp fn) # 召回率血管被找出来的比例 specificity tn / (tn fp) # 背景被正确排除的比例 dice 2 * tp / (2 * tp fp fn) iou tp / (tp fp fn) print(fDice: {dice:.4f}, IoU: {iou:.4f}, Sen: {sensitivity:.4f}, Spe: {specificity:.4f})Dice的取值范围是 0 到 1眼底血管分割任务里做到 0.75 以上就算不错的结果公开数据集上的 SOTA 大概在 0.82 左右。如果你复现出来的 Dice 明显偏低不要先怀疑模型大概率是预处理不一致或者测试集和训练集分布差异大。Sensitivity是临床最关心的指标因为血管漏检的代价比误检背景高得多如果 Sensitivity 低于 0.7说明模型对细血管的捕捉能力不够可以考虑把输入分辨率提高或者换用带空洞卷积的变体。4.3 图形界面封装PyQt5 上传图片一键预测资源里说的“系统界面”本质是把推理逻辑包一层 GUI。技术选型上常见做法是 PyQt5 或 TkinterPyQt5 更美观配合QLabel显示图片QPushButton触发上传和预测。import sys from PyQt5.QtWidgets import QApplication, QWidget, QLabel, QPushButton, QFileDialog, QVBoxLayout from PyQt5.QtGui import QPixmap, QImage import numpy as np class SegmentationApp(QWidget): def __init__(self): super().__init__() self.model load_model() # 初始化时加载一次 self.init_ui() def init_ui(self): self.btn_open QPushButton(上传眼底图像) self.btn_save QPushButton(保存分割结果) self.label_orig QLabel(原图) self.label_result QLabel(分割结果) layout QVBoxLayout() layout.addWidget(self.btn_open) layout.addWidget(self.label_orig) layout.addWidget(self.label_result) layout.addWidget(self.btn_save) self.setLayout(layout) self.btn_open.clicked.connect(self.open_image) def open_image(self): path, _ QFileDialog.getOpenFileName(self, 选择图像, , 图像文件 (*.png *.jpg *.jpeg)) if path: binary, prob predict_single(path) # 保存到当前目录并在界面上显示 cv2.imwrite(result.png, binary * 255) qimg QImage(binary * 255, binary.shape[1], binary.shape[0], QImage.Format_Grayscale8) self.label_result.setPixmap(QPixmap.fromImage(qimg))这段代码有三个工程细节值得注意。第一模型初始化要在__init__里一次性加载不要放在按钮点击事件里否则每次预测都要重新读权重文件界面会卡顿一两秒。第二QFileDialog.getOpenFileName返回的文件路径可能是中文路径PyQt5 对中文字符串处理偶尔有编码问题保险起见可以用os.path.abspath转一下。第三binary * 255是因为 QImage 显示灰度图要求像素值范围是 0~255直接用 0/1 的二值数组显示出来会是全黑。这个坑在界面调试时非常常见属于“看起来像是模型预测失败其实是显示格式问题”。5. 常见问题与避坑五个必踩的坑和对应处理5.1 预测结果全黑或全白现象训练时 loss 正常下降但加载模型后对任意输入图预测输出图要么全黑要么全白。原因全黑通常是输入没做归一化模型训练时输入范围是[0, 1]预测时直接喂了 0~255 的原始像素值分布完全错位网络输出的 logits 全部偏向负区间Sigmoid 后全部接近 0。全白则相反可能是训练时 mask 预处理出了问题比如把背景标注为 1、血管标注为 0模型学反了。解决把预测代码里的img.astype(np.float32) / 255.0加上检查数据增强代码里有没有把 mask 的 0/1 翻转。我见过最隐蔽的一次是数据读取时用了cv2.imread默认的 BGR 通道而训练时某段代码又转了 RGB导致 mask 错位——这个问题在灰度图上不会出现但只要你切到彩图就必炸。5.2 显存不足CUDA out of memory现象训练脚本一跑就在第一个 batch 报CUDA out of memory6GB 显卡尤其常见。原因输入尺寸 512×512 加 Batch Size 8Unet 的特征图占用本身就很大显存峰值出现在编码器最深层的 1024 通道特征图上那是一张 32×32×1024 的浮点张量一个就占 4MB反向传播还要存梯度翻好几倍。解决优先把 Batch Size 降到 2 或 4开启 PyTorch 的 AMP 混合精度如果还不行把img_size降到 448。另外注意检查有没有torch.no_grad()包裹验证阶段很多人验证时忘了关梯度显存直接双倍占用。AMP 的开启方式是torch.cuda.amp.autocast()包住前向和 loss 计算再配合GradScaler注意scaler.scale(loss).backward()和scaler.step(optimizer)的顺序不要写反。5.3 血管断裂、细血管丢失现象分割结果里主干血管完整但末梢毛细血管出现大量断裂视觉上像“虚线血管”。原因本质是下采样次数过多导致细节丢失。Unet 默认下采样 4 次512 输入在底层特征图只有 32×32一条只有 2 像素宽的毛细血管在这个尺度上已经不可分辨。另外一个常见因素是阈值设太高概率图里细血管的预测值普遍偏低0.5 的阈值把它们滤掉了。解决如果血管断裂发生在细末梢先看概率图如果细血管区域概率在 0.3~0.5 之间可以尝试把阈值降到 0.3 再二值化如果概率图上细血管区域本来就是黑的一块那是模型本身没学到需要提高输入分辨率或增加数据集中细血管样本的权重。形态学后处理也能改善断裂用cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)做一个闭运算可以把间隔 1~2 像素的断裂点连上。5.4 loss 不降或震荡现象训练前几个 epoch loss 还在降后面开始上下剧烈震荡或者从一开始就完全不降。原因震荡通常是学习率过大。Adam 虽然自带自适应学习率但 1e-3 起步对 Unet 来说往往太高后期会出现 loss 在某个值附近来回跳。完全不降则大概率是数据问题最常见的是 mask 和原图没有对齐或者 mask 里全是 0标注文件读取路径错了。解决把初始学习率设为 1e-4配合 CosineAnnealingLR后面 200 个 epoch 内学习率会平滑衰减到接近 0震荡基本消失。完全不降时在训练循环里加一行print(img_path, mask_path, mask.max())打印第一个 batch 的 mask 最大值如果是 0 说明 mask 读取失败不要再调模型先修数据路径。5.5 界面预测效果和训练效果不一致现象在训练脚本测试集上 Dice 有 0.75但通过界面上传同一张图结果明显变差。原因这是最典型的“预处理不一致”问题。训练时走了灰度化、resize、归一化、翻转增强界面预测时如果漏掉其中任何一步模型输入的分布就和训练时不同。比如漏了灰度化输入变成三通道但模型只有单通道卷积PyTorch 虽然会报错但报错在深层卷积计算时界面程序直接把异常吞了显示的还是上一张的结果图。解决把预处理封装成一个函数训练、测试、界面三处共同调用同一个preprocess(img_path)不要在界面里重新写一遍。我现在的习惯是train.py、test.py、app.py三个文件都from preprocess import preprocess保证三处逻辑完全一致这个习惯是从一次界面翻车后养成的。6. 进阶把代码迁移到自己的眼底数据集这套资源最值钱的地方在于“可以直接替换数据”。如果你有自己采集的眼底图像或者是其他公开数据集只需要把图像和 mask 按images和masks两个目录放好文件名一一对应其他代码基本不用动。但迁移时有一个容易被忽略的检查原图和 mask 的尺寸、数量、文件名必须完全对应缺失任何一个文件训练时不会报错而是会错位。我强烈建议在训练前跑一遍数据对应性检查脚本这一步能省下你一整天的调试时间。import os from PIL import Image img_dir images mask_dir masks count 0 for name in sorted(os.listdir(img_dir)): mask_path os.path.join(mask_dir, name) if not os.path.exists(mask_path): print(f[缺失] {name} 没有对应的 mask) count 1 continue img Image.open(os.path.join(img_dir, name)) mask Image.open(mask_path) if img.size ! mask.size: print(f[尺寸不一致] {name} 图 {img.size} mask {mask.size}) print(f检查完成共发现 {count} 个问题)这段脚本会在训练前把“文件名缺失”和“尺寸不一致”这两类最常见的错误全部揪出来。文件名缺失的原因很多——有些数据集是.jpg和.png混用有些是大小写不一致有些是从不同来源下载后没有重命名。尺寸不一致的问题在公开数据集里很常见比如原始眼底图是 2048×2048而标注图是 512×512预处理里必须有 resize 逻辑否则训练时torch.cat会因为尺寸匹配不上直接报错。迁移时另一个注意点是num_workers和内存的平衡。眼底图像普遍偏大如果原图是 2048 分辨率建议在 Dataset 的__getitem__里先 resize 到 512 再返回不要等collate阶段处理。数据加载的num_workers在 Windows 上建议设为 2Linux 可以设 4设太高反而会因为进程切换开销拖慢训练。从数据处理到界面封装这套资源把眼底血管分割的完整链路都串起来了。我拿到资源后的习惯是先在 CPU 上用小数据集跑 10 个 epoch 验证全流程通不通再上 GPU 完整训练这个习惯让我避免了至少三次“训练两小时后才发现数据路径写错”的惨剧。希望帮到你。本文还有配套的精品资源点击获取