疼疼疼——这是深度疼痛患者最直接的反馈但对一个不会说话的婴儿、一个还没脱离麻醉状态的患者、或一个认知功能受损的老人来说疼痛无法用语言表达。近几年医疗健康场景里开始引入计算机视觉来做疼痛自动检测本质就是把“疼痛”这件事变成模型能看见的目标。我最近正好整理了一套2200张、YOLO格式的疼痛检测医疗健康数据集从头到尾跑通了标注检查、数据划分、模型训练和指标分析。这篇文章就把这套数据集的玩法、踩坑和优化思路一次说清楚适合准备用YOLO做疼痛识别、健康监测的工程师和研究者参考。1. 为什么需要一套“疼痛检测数据集”1.1 疼痛评估的现实痛点临床里评估疼痛最常用的办法是让患者自己打分比如0到10的数字评分但这条路径在很多人身上行不通。新生儿不会说话ICU里插着管的患者没法表达术后麻药没醒透的人迷迷糊糊认知能力退化的老人更是常常把“疼”描述成“不舒服”。护士只能靠观察面部表情、肢体动作、呼吸频率等间接信号来判断这种主观评估既依赖经验又容易滞后。自动疼痛检测想解决的问题就是把这些视觉信号变成客观的量化结果。摄像头拍下患者面部或身体姿态模型在每一帧里找到疼痛相关的视觉信号输出位置和置信度。这个技术如果稳定落地能辅助护理人员做连续监测不用整夜反复查房也可以在患者表情出现明显疼痛特征时及时报警。1.2 为什么是2200张为什么用YOLO格式很多人一听到数据集第一反应是“越多越好”但实际做的时候2200张图在固定场景下已经能支撑第一版模型。病房摄像头位置基本固定光照条件相对稳定患者状态变化虽然有差异但视觉特征相比自动驾驶那种开放场景要收敛得多。2200张图只要质量达标、标注一致性高训练出来的模型完全够用来做预研和POC验证。选YOLO格式是顺着工具链走的。YOLO系列现在迭代到v8、v11生态成熟训练和部署都有现成命令标注文件是普通txt文本每张图一个同名文件里面写归一化坐标不依赖大型标注软件的私有格式。相比COCO的JSON或者VOC的XMLYOLO格式更轻量预处理几乎不用写代码拿到手就能直接喂给训练脚本。2. 数据集内容、标注规范与目录结构2.1 类别设计只检测“疼痛信号”还是分等级这套数据集第一步要确定检测目标。疼痛检测可以检测面部疼痛表情区域也可以检测用手捂住身体的疼痛部位还可以检测整体姿态异常。我采用的方案是单类别检测类别名就叫pain只标注图像中明确表现出疼痛信号的目标区域负样本图不标注任何内容。之所以不一开始就分“轻度疼痛”“重度疼痛”是因为疼痛等级本身的界定就很主观标注员之间容易产生分歧2200张图再拆成多个类别每个类别的样本量会被稀释模型反而学不好。如果你确实需要区分疼痛程度建议在单类别模型跑通之后再扩展。比如先在原数据集上增加一个discomfort类别专门标注表情痛苦但程度较轻的情况通过类别增量方式迭代而不是直接把训练目标改成多分类。我的实际经验是单类别检测在医疗场景里已经能解决大部分“有没有疼”的问题等级划分可以交给后续时序模型或回归头处理。2.2 YOLO标注格式和txt文件的正确写法YOLO标注文件每一行代表一个目标框格式固定class_id x_center y_center width height所有坐标都是0到1的归一化值计算方式是绝对像素值除以图片宽高。比如一张宽640像素、高480像素的图目标框左上角在(160, 120)右下角在(340, 300)那中心点就是((160340)/2, (120300)/2) (250, 210)归一化后x_center250/6400.390625y_center210/4800.4375宽度(340-160)/6400.28125高度(300-120)/4800.375。对应的标注行就是0 0.390625 0.4375 0.28125 0.375这里class_id0对应pain。如果你有多个类别class_id就是类别列表中的索引。要注意坐标必须大于0小于1如果目标框贴边归一化后可能非常接近0或1但不会出现负数或大于1。我之前见过有人用脚本从JSON转换坐标时忘记除以图片尺寸结果训练时损失函数直接崩成NaN。2.3 数据划分和data.yaml配置拿到2200张图后我按8:1:1划分成训练集、验证集和测试集并且保证同一个患者的多张图片不会同时出现在训练和验证集里。在医疗数据里这个细节特别重要如果同一个人的不同表情帧既在训练集又在验证集模型其实是在“认人”而不是在“认疼痛”最后指标会虚高部署一换人效果立刻下降。目录结构可以这样组织pain_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yamlimages和labels目录一一对应同名图片和txt文件放在各自的train/val/test子目录里。data.yaml内容也很简单path: pain_dataset train: images/train val: images/val test: images/test names: 0: pain这里path建议写绝对路径或相对于项目根目录的路径避免训练时因为路径问题找不到图片。3. 模型训练的全流程实操记录3.1 环境准备和预训练模型选择我用的YOLO工具链是ultralytics开源库支持YOLOv8和YOLO11。安装很简单创建一个干净的Python环境后执行pip install ultralytics模型选型上我建议先拿YOLOv8n这个最小模型试跑通流程。疼痛检测的目标框通常不大但也不小nano模型在显卡显存不足的情况下也能训练迭代速度快适合先验证数据集质量。等流程稳定了再换成YOLOv8s或YOLO11s。预训练权重直接从官方仓库下载比如yolov8n.pt下载后放在项目目录里训练时会自动加载COCO的预训练权重做迁移学习。这里有个细节预训练权重虽然来自COCOCOCO里并没有“疼痛”这个类别但模型的前几层已经学会了通用的边缘、纹理、形状特征迁移到疼痛检测上依然能省很多训练时间。千万不要从零训练一个YOLO模型除非你有几十万张图。3.2 训练命令和核心参数选择数据集确认没问题之后一行命令就可以启动训练yolo detect train datadata.yaml modelyolov8n.pt epochs150 imgsz640 batch16 patience20参数不是随便填的每个都有讲究。imgsz640是默认输入尺寸但如果图像里的疼痛区域比较小比如只有人脸局部表情建议把imgsz提高到768甚至960。代价是显存占用变大训练时间变长。我的做法是先跑一版640看结果如果验证集mAP上不去且小目标漏检多再提升分辨率。batch大小主要看显卡显存。batch16在12GB显存上跑yolov8n比较宽裕如果显存不够可以降到8。但batch不能太小尤其不要小于4否则批归一化层统计量不稳定容易在训练后期出现loss震荡。epochs我设了150配合patience20做早停。因为数据集不大通常到80到120轮就收敛了。早停机制会监控验证集指标连续20轮没有提升就自动停止省时间。3.3 最容易翻车的BN崩溃问题训练过程中最典型的问题就是BatchNorm崩溃很多帖子叫它“BN崩溃”。现象是训练到某个epochloss突然变成NaN或者验证集mAP从0.9瞬间掉到0。我第一次跑的时候也中招了排查半天发现是我把batch设成2加上输入图像里有几张全黑的坏帧批归一化统计量计算出了一堆非有限值反向传播后权重直接崩掉。出现BN崩溃先别急着换模型。第一步把batch提高到至少8如果显存不够就把imgsz调小第二步关掉混合精度训练训练命令上加一句ampFalse第三步检查数据里有没有纯色、全黑或严重损坏的图片把坏图删掉最后把学习率从默认值降低比如0.001。多数情况下这样就能救回来。如果还不行把输入尺寸设回默认值再试一次。3.4 训练过程中的监控策略训练启动后不要只看终端滚动的损失值。我习惯打开tensorboard或者直接用ultralytics自动生成的results.png来观察曲线。重点看两个地方训练loss和验证loss之间的距离如果训练loss不断下降但验证loss回升说明开始过拟合应该提前停再看precision和recall的走势尤其是recall因为疼痛检测这个场景里漏检比误检更让人担心。在训练到一半时我会随机抽一批验证集图片做预测把预测框画在图上肉眼看。这一步比任何指标都直观。模型有没有把不相关的区域框出来框的位置是否贴合疼痛区域一眼就能发现问题。指标好看但实际效果差往往就是标注噪声太大或类别定义不清晰。4. 模型评估与医疗场景的指标解读4.1 别被mAP带偏先看懂混淆矩阵训练结束后模型文件夹里会出现best.pt和last.pt同时生成一堆评估图表。新手最容易犯的错就是只盯着mAP50和mAP50-95。mAP是平均值把不同置信度阈值下的表现揉在一起适合横向比较模型但不适合判断医疗场景能不能用。我看结果先看混淆矩阵。YOLO训练生成的混淆矩阵每一行会按真实标签的数量做归一化所以很多人会疑惑“为什么行列求和不是100%”。其实很正常——行方向看的是每个真实类别被预测成各类别的比例列方向看的是每个预测类别里真实分布的比例归一化方式不同总和不等于1是完全合理的。把混淆矩阵拆开看能清楚知道模型是把疼痛错认成背景还是把背景错认成疼痛。4.2 置信度阈值和误报漏报怎么平衡医疗场景里漏检疼痛和误报疼痛的成本不一样。漏检意味着患者疼了半天没人管这是更严重的问题误报顶多是护士多跑一趟去确认。所以部署时不能直接用默认0.25的置信度阈值我会调低到0.15甚至0.1通过牺牲一部分精确率来换取更高的召回率。实际落地时完全可以在界面上把阈值做成可调节项白天值班人手充足就调高一点夜间自动监护就调低一点。如果你评估时想更贴合这个逻辑可以关注F2-score即recall的权重是precision的两倍。或者在验证集上画出Precision-Recall曲线选择曲线上recall达到90%同时precision还不太离谱的阈值作为默认值。4.3 从best.pt到ONNX部署训练好的best.pt要部署到摄像头端一般先导出成ONNX格式方便跨平台推理yolo export modelbest.pt formatonnx imgsz640导出后可以用ONNX Runtime在CPU上跑。我测试过在普通办公电脑上用yolov8n模型推理一张图耗时大概40到80毫秒基本能满足实时性要求。如果要用树莓派之类的边缘设备可以进一步导出成TensorRT或OpenVINO格式。部署时要注意输入图像的预处理归一化到0到1像素顺序RGB和训练时的处理保持一致颜色通道不一致会让效果大打折扣。5. 常见问题速查与独家避坑经验5.1 标注文件错误的快速定位训练前花10分钟写个小脚本检查标注文件能省下后面排查问题的大把时间。最常见的问题包括坐标越界、类别ID超过names定义数、txt文件比图片多或缺。我常用的检查脚本很粗暴但也够用import os from PIL import Image img_dir pain_dataset/images/train lab_dir pain_dataset/labels/train threshold 1.0 for lab in os.listdir(lab_dir): if not lab.endswith(.txt): continue with open(os.path.join(lab_dir, lab)) as f: for line in f: parts line.strip().split() if len(parts) ! 5: print(f格式错误: {lab}) break cls int(parts[0]) values list(map(float, parts[1:])) if cls 0 or cls 0: print(f类别越界: {lab}) if any(v 0 or v threshold for v in values): print(f坐标越界: {lab})把threshold设成1.0验证归一化范围。跑一遍没有输出再进入训练。5.2 2200张图不够用时的数据扩充方案如果练出来效果还是不理想先别急着采集新数据把已有的2200张图做离线增强。常规操作包括水平翻转、随机亮度对比度调整、高斯噪声、随机裁剪和缩放。医疗数据增强有一个特殊注意点疼痛的视觉信号很多是左右脸表情差异如果做水平翻转部分特征会镜像但疼痛程度判断通常不受影响所以在标注一致的前提下翻转是安全的。我试过更有效的办法是“多尺度训练”把同一张图缩放成不同分辨率放进训练集让模型学会适应不同距离下的疼痛目标。还可以在图像里随机贴入空白背景图增加负样本减少误报。注意不要过度用mixup或mosaic因为疼痛区域比较精细叠加太多目标反而会干扰学习。5.3 标注一致性与医疗数据隐私数据标注是这套流程里最脏最累也最关键的环节。如果一个疼痛框在标注员A眼里是包含整个面部在标注员B眼里只包含左眼周围模型就会学得摇摆不定。建议在正式标注前做一轮小规模试标选10张图让每个标注员独立标注然后计算标注框的IoU如果平均IoU低于0.5说明标注规范要先统一不然数据越多越乱。另外必须强调隐私合规。疼痛检测数据集往往来自真实患者所有图像必须完成人脸去标识化、去除患者姓名等元数据。我这边使用的2200张图只保留了健康监护场景下的视觉特征不包含任何可识别个人身份的信息。做医疗AI项目从一开始就把数据合规放在第一位否则后续一切工作都可能白费。5.4 最后一点实操心得这套2200张YOLO疼痛检测数据集跑下来的最大体会是数据质量的上限决定了模型效果的上限。刚开始我用默认参数训练mAP50大概只有0.76后来把一批误标注框修正、删掉几十张模糊图、把分辨率和batch调整之后同一套模型mAP直接跳到0.89。别迷信更深的网络也别盲目堆数据量先花时间把标注和划分做干净这一条放到任何医疗视觉项目里都适用。