1. 为什么选择Unet进行医学图像分割医学图像分割是计算机视觉在医疗领域的重要应用而Unet网络结构自从2015年被提出以来就成为了这个领域的标杆算法。我第一次接触Unet是在处理一批脑部CT扫描数据时当时试过各种分割网络最后发现还是这个老将最靠谱。Unet最大的特点就是它的U型结构。想象一下医生看片时的场景先整体观察器官的大致轮廓高级语义特征然后聚焦到可疑区域的细节低级纹理特征。Unet的设计完美模拟了这个过程——左边的收缩路径 contracting path负责提取全局特征右边的扩展路径expansive path则结合浅层细节进行精确定位。这种设计特别适合处理器官结构相对固定的医学影像。医学数据还有个让人头疼的特点样本量少。去年参与的一个肝脏分割项目医院只提供了87例标注数据。这时候Unet的另一个优势就显现出来了——通过调整通道数我们可以轻松控制模型大小。比如把基础通道数从64降到32参数量直接从28M降到7M这在数据稀缺的场景下简直是救命稻草。2. 从零搭建开发环境2.1 基础软件安装工欲善其事必先利其器。建议直接安装Anaconda来管理Python环境这是我踩过无数依赖冲突的坑之后总结的经验。新建环境时记得选择Python3.7-3.9之间的版本太高可能会遇到库兼容问题conda create -n unet python3.8 conda activate unet接下来安装深度学习三件套pip install tensorflow2.6.0 keras2.6.0特别提醒医学图像处理离不开专业的图像库。建议安装pip install opencv-python pydicom scikit-image其中pydicom是处理DICOM格式医疗影像的必备工具scikit-image则提供了很多医学图像预处理方法。2.2 GPU环境配置如果有NVIDIA显卡千万别浪费它的算力。首先确认驱动版本nvidia-smi然后安装对应版本的CUDA和cuDNN。以RTX 3080为例conda install cudatoolkit11.3 cudnn8.2.1验证GPU是否可用import tensorflow as tf print(tf.config.list_physical_devices(GPU))3. 医学图像数据预处理实战3.1 数据格式转换医疗影像最常见的格式是DICOM但深度学习模型通常需要PNG或JPG。这里分享一个实用的转换脚本import pydicom import cv2 def dicom_to_png(dicom_path, png_path): ds pydicom.dcmread(dicom_path) img ds.pixel_array # 标准化到0-255范围 img cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX) cv2.imwrite(png_path, img)3.2 数据增强策略医学数据稀缺增强Augmentation是必须的。但要注意医疗影像的特殊性避免过度旋转脑部CT旋转超过15度就不合理了谨慎使用颜色变换CT值包含重要诊断信息推荐配置from keras.preprocessing.image import ImageDataGenerator train_datagen ImageDataGenerator( rotation_range10, width_shift_range0.1, height_shift_range0.1, shear_range5, zoom_range0.1, horizontal_flipTrue, fill_modeconstant )4. Unet模型逐层解析4.1 编码器部分实现编码器就像漏斗逐步提取高级特征。关键点是每层的卷积核数量要成倍增加def encoder_block(inputs, filters): x Conv2D(filters, 3, activationrelu, paddingsame)(inputs) x Conv2D(filters, 3, activationrelu, paddingsame)(x) p MaxPooling2D((2, 2))(x) return x, p # 返回特征图和池化结果实际构建时建议这样组织f1, p1 encoder_block(inputs, 64) # 第一层64个滤波器 f2, p2 encoder_block(p1, 128) # 第二层128个 f3, p3 encoder_block(p2, 256) # 第三层256个 f4, p4 encoder_block(p3, 512) # 第四层512个4.2 解码器与跳跃连接解码器要实现精准定位关键在于跳跃连接Skip Connection。这里最容易出错的是特征图尺寸匹配def decoder_block(inputs, skip_features, filters): x Conv2DTranspose(filters, (2,2), strides2, paddingsame)(inputs) x concatenate([x, skip_features]) # 关键跳跃连接 x Conv2D(filters, 3, activationrelu, paddingsame)(x) x Conv2D(filters, 3, activationrelu, paddingsame)(x) return x使用时要注意对应关系d1 decoder_block(bottleneck, f4, 512) # 连接编码器第四层 d2 decoder_block(d1, f3, 256) # 连接第三层 d3 decoder_block(d2, f2, 128) # 连接第二层 d4 decoder_block(d3, f1, 64) # 连接第一层5. 模型训练技巧与调优5.1 损失函数选择医学图像分割常用Dice Loss BCE联合损失def dice_coef(y_true, y_pred): smooth 1. y_true_f K.flatten(y_true) y_pred_f K.flatten(y_pred) intersection K.sum(y_true_f * y_pred_f) return (2. * intersection smooth) / (K.sum(y_true_f) K.sum(y_pred_f) smooth) def dice_loss(y_true, y_pred): return 1 - dice_coef(y_true, y_pred) def bce_dice_loss(y_true, y_pred): return binary_crossentropy(y_true, y_pred) dice_loss(y_true, y_pred)5.2 学习率调度策略医疗影像训练推荐使用余弦退火from keras.callbacks import LearningRateScheduler import math def cosine_decay(epoch): initial_lr 1e-4 decay_steps 100 alpha 0.1 step min(epoch, decay_steps) cosine_decay 0.5 * (1 math.cos(math.pi * step / decay_steps)) decayed (1 - alpha) * cosine_decay alpha return initial_lr * decayed callbacks.append(LearningRateScheduler(cosine_decay))6. 结果可视化与分析6.1 预测结果后处理模型输出需要二值化处理def postprocess(pred, threshold0.5): pred[pred threshold] 1 pred[pred threshold] 0 return pred.astype(np.uint8)6.2 评估指标计算除了准确率医疗场景更关注def compute_metrics(y_true, y_pred): # 计算Dice系数 intersection np.sum(y_true * y_pred) dice (2. * intersection) / (np.sum(y_true) np.sum(y_pred)) # 计算敏感性和特异性 tp np.sum(y_true * y_pred) fp np.sum(y_pred) - tp fn np.sum(y_true) - tp sensitivity tp / (tp fn) specificity 1 - (fp / (fp (y_true.shape[0]*y_true.shape[1] - tp))) return dice, sensitivity, specificity7. 实际项目中的经验分享在最近的一个肺部分割项目中我发现这几个技巧特别实用使用渐进式训练先用小尺寸(128x128)训练再微调大尺寸(256x256)添加注意力机制在跳跃连接处加入CBAM模块Dice系数提升了3%测试时增强(TTA)对测试图像做多次增强预测并取平均遇到显存不足时可以尝试减小batch size不低于2使用混合精度训练policy tf.keras.mixed_precision.Policy(mixed_float16) tf.keras.mixed_precision.set_global_policy(policy)
深度学习实战之：手把手，零基础，从零复现 Unet 医学图像分割
发布时间：2026/5/20 5:52:55
1. 为什么选择Unet进行医学图像分割医学图像分割是计算机视觉在医疗领域的重要应用而Unet网络结构自从2015年被提出以来就成为了这个领域的标杆算法。我第一次接触Unet是在处理一批脑部CT扫描数据时当时试过各种分割网络最后发现还是这个老将最靠谱。Unet最大的特点就是它的U型结构。想象一下医生看片时的场景先整体观察器官的大致轮廓高级语义特征然后聚焦到可疑区域的细节低级纹理特征。Unet的设计完美模拟了这个过程——左边的收缩路径 contracting path负责提取全局特征右边的扩展路径expansive path则结合浅层细节进行精确定位。这种设计特别适合处理器官结构相对固定的医学影像。医学数据还有个让人头疼的特点样本量少。去年参与的一个肝脏分割项目医院只提供了87例标注数据。这时候Unet的另一个优势就显现出来了——通过调整通道数我们可以轻松控制模型大小。比如把基础通道数从64降到32参数量直接从28M降到7M这在数据稀缺的场景下简直是救命稻草。2. 从零搭建开发环境2.1 基础软件安装工欲善其事必先利其器。建议直接安装Anaconda来管理Python环境这是我踩过无数依赖冲突的坑之后总结的经验。新建环境时记得选择Python3.7-3.9之间的版本太高可能会遇到库兼容问题conda create -n unet python3.8 conda activate unet接下来安装深度学习三件套pip install tensorflow2.6.0 keras2.6.0特别提醒医学图像处理离不开专业的图像库。建议安装pip install opencv-python pydicom scikit-image其中pydicom是处理DICOM格式医疗影像的必备工具scikit-image则提供了很多医学图像预处理方法。2.2 GPU环境配置如果有NVIDIA显卡千万别浪费它的算力。首先确认驱动版本nvidia-smi然后安装对应版本的CUDA和cuDNN。以RTX 3080为例conda install cudatoolkit11.3 cudnn8.2.1验证GPU是否可用import tensorflow as tf print(tf.config.list_physical_devices(GPU))3. 医学图像数据预处理实战3.1 数据格式转换医疗影像最常见的格式是DICOM但深度学习模型通常需要PNG或JPG。这里分享一个实用的转换脚本import pydicom import cv2 def dicom_to_png(dicom_path, png_path): ds pydicom.dcmread(dicom_path) img ds.pixel_array # 标准化到0-255范围 img cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX) cv2.imwrite(png_path, img)3.2 数据增强策略医学数据稀缺增强Augmentation是必须的。但要注意医疗影像的特殊性避免过度旋转脑部CT旋转超过15度就不合理了谨慎使用颜色变换CT值包含重要诊断信息推荐配置from keras.preprocessing.image import ImageDataGenerator train_datagen ImageDataGenerator( rotation_range10, width_shift_range0.1, height_shift_range0.1, shear_range5, zoom_range0.1, horizontal_flipTrue, fill_modeconstant )4. Unet模型逐层解析4.1 编码器部分实现编码器就像漏斗逐步提取高级特征。关键点是每层的卷积核数量要成倍增加def encoder_block(inputs, filters): x Conv2D(filters, 3, activationrelu, paddingsame)(inputs) x Conv2D(filters, 3, activationrelu, paddingsame)(x) p MaxPooling2D((2, 2))(x) return x, p # 返回特征图和池化结果实际构建时建议这样组织f1, p1 encoder_block(inputs, 64) # 第一层64个滤波器 f2, p2 encoder_block(p1, 128) # 第二层128个 f3, p3 encoder_block(p2, 256) # 第三层256个 f4, p4 encoder_block(p3, 512) # 第四层512个4.2 解码器与跳跃连接解码器要实现精准定位关键在于跳跃连接Skip Connection。这里最容易出错的是特征图尺寸匹配def decoder_block(inputs, skip_features, filters): x Conv2DTranspose(filters, (2,2), strides2, paddingsame)(inputs) x concatenate([x, skip_features]) # 关键跳跃连接 x Conv2D(filters, 3, activationrelu, paddingsame)(x) x Conv2D(filters, 3, activationrelu, paddingsame)(x) return x使用时要注意对应关系d1 decoder_block(bottleneck, f4, 512) # 连接编码器第四层 d2 decoder_block(d1, f3, 256) # 连接第三层 d3 decoder_block(d2, f2, 128) # 连接第二层 d4 decoder_block(d3, f1, 64) # 连接第一层5. 模型训练技巧与调优5.1 损失函数选择医学图像分割常用Dice Loss BCE联合损失def dice_coef(y_true, y_pred): smooth 1. y_true_f K.flatten(y_true) y_pred_f K.flatten(y_pred) intersection K.sum(y_true_f * y_pred_f) return (2. * intersection smooth) / (K.sum(y_true_f) K.sum(y_pred_f) smooth) def dice_loss(y_true, y_pred): return 1 - dice_coef(y_true, y_pred) def bce_dice_loss(y_true, y_pred): return binary_crossentropy(y_true, y_pred) dice_loss(y_true, y_pred)5.2 学习率调度策略医疗影像训练推荐使用余弦退火from keras.callbacks import LearningRateScheduler import math def cosine_decay(epoch): initial_lr 1e-4 decay_steps 100 alpha 0.1 step min(epoch, decay_steps) cosine_decay 0.5 * (1 math.cos(math.pi * step / decay_steps)) decayed (1 - alpha) * cosine_decay alpha return initial_lr * decayed callbacks.append(LearningRateScheduler(cosine_decay))6. 结果可视化与分析6.1 预测结果后处理模型输出需要二值化处理def postprocess(pred, threshold0.5): pred[pred threshold] 1 pred[pred threshold] 0 return pred.astype(np.uint8)6.2 评估指标计算除了准确率医疗场景更关注def compute_metrics(y_true, y_pred): # 计算Dice系数 intersection np.sum(y_true * y_pred) dice (2. * intersection) / (np.sum(y_true) np.sum(y_pred)) # 计算敏感性和特异性 tp np.sum(y_true * y_pred) fp np.sum(y_pred) - tp fn np.sum(y_true) - tp sensitivity tp / (tp fn) specificity 1 - (fp / (fp (y_true.shape[0]*y_true.shape[1] - tp))) return dice, sensitivity, specificity7. 实际项目中的经验分享在最近的一个肺部分割项目中我发现这几个技巧特别实用使用渐进式训练先用小尺寸(128x128)训练再微调大尺寸(256x256)添加注意力机制在跳跃连接处加入CBAM模块Dice系数提升了3%测试时增强(TTA)对测试图像做多次增强预测并取平均遇到显存不足时可以尝试减小batch size不低于2使用混合精度训练policy tf.keras.mixed_precision.Policy(mixed_float16) tf.keras.mixed_precision.set_global_policy(policy)
