医学深度学习毕设实战：ResNet+UNet+DeepLabV3+YOLOv5多任务PyTorch复现

医学深度学习毕设没思路？ResNet+UNet+DeepLabV3++YOLOv5多任务实战，PyTorch完整复现！

每年毕业季，都会有一批做医学图像方向的本科生、研究生卡在同一个问题上：开题时兴致勃勃，真正动手却发现——数据不会处理，模型跑不起来，复现论文像拆盲盒，好不容易训练完还不知道怎么评估。尤其医学影像数据集普遍偏小、标注成本高、类别不平衡严重，更让初学者手足无措。

如果你现在正处于“毕设没思路”的状态，我的第一个建议是：不要一味追最新模型，先把经典模型用扎实。ResNet、UNet、DeepLabV3+、YOLOv5 这四个模型，分别覆盖了医学图像分析中最核心的分类、分割、检测三大任务。把这条主线打通，你不仅能跑通实验，还能在论文里讲出一个逻辑自洽的故事。

这篇文章会用 PyTorch 把这四个模型串起来，讲清楚每个模型解决什么问题、代码怎么写、训练时有哪些坑，以及如何把它们组合成一个完整的医学图像多任务分析流程。读完你至少能完成两件事：一是理解医学图像深度学习的常见建模套路，二是照着一套可复现的代码路径，完成自己的毕设实验框架。

1. 这篇文章真正要解决的问题

很多同学拿到医学影像课题后，第一反应是去 GitHub 找现成代码。但医学图像方向和自然图像方向有个很大的差异：数据质量、数据分布和标注方式对结果的影响，往往大于模型结构本身。

你可能遇到的情况是：

• 导师给了一个 CT / MRI / 病理切片数据集，说明是“分类任务”，但数据量只有几百张；
• 既要做病灶分割，又要做异常检测，不知道这些任务怎么组织成一个系统；
• 代码能跑，但训练 loss 不下降，或者分割结果完全没有边界；
• 不会设计实验对比，论文里只有一组结果，答辨时无从解释。

这些问题不是单独靠某个模型能解决的。你需要先建立一个整体判断：医学图像深度学习不是“选一个模型跑起来”，而是“围绕任务形式，组合模型完成分析链路”。

基于这个判断，本文规划了一条主线：

1. 用ResNet做医学图像分类（例如病灶良恶性分类）；
2. 用UNet和DeepLabV3+做医学图像分割（例如病灶区域提取）；
3. 用YOLOv5做医学图像目标检测（例如细胞、器官、病灶定位）；
4. 把三者串联成一个多任务流程，并设计可对比的实验方案。

这条主线的好处在于：每个模型都是经过大量论文验证的经典结构，网上资料多、PyTorch 实现成熟、复现难度适中没有脱离实际；更重要的是，它们恰好能对应医学图像分析里最常用的三种问题定义方式。无论你的具体题目是肺结节、皮肤镜图像、眼底图像还是病理切片，都可以迁移这套框架。

2. 四个经典模型，分别解决什么问题

在写代码之前，先建立一个模型选型的基本认知。很多初学者把模型当成黑盒，只看精度指标，这是不够的。每个模型的结构设计，对应了它擅长的任务类型。

2.1 ResNet：图像分类的骨干网络

ResNet（残差网络）解决的核心问题是深层网络难以训练。网络层数加深后，梯度消失和退化问题会导致准确率不升反降。ResNet 通过跳跃连接（skip connection）让梯度可以跨层传播，使得几十层甚至上百层的网络也能稳定训练。

用公式表示，残差块的学习目标从拟合原始映射 H(x) 变为拟合残差 F(x)=H(x)-x。这个设计看似简单，但极大降低了深层网络的优化难度。在医学图像领域，ResNet 通常不直接单独使用，而是作为特征提取骨干网络，加载 ImageNet 预训练权重后，替换最后的全连接层来适配自己的分类任务。

对于医学毕设，ResNet 最常用的两种方式是：

• 直接用 ResNet 做二分类或多分类任务；
• 作为 UNet 的编码器、DeepLabV3+ 的骨干网络。

2.2 UNet：小样本医学分割的默认选择

UNet 是医学图像分割领域最有影响力的模型之一。它的结构是典型的编码器-解码器对称结构，左侧编码器逐层提取特征并缩小空间分辨率，右侧解码器逐步恢复分辨率，中间通过跳跃连接把同尺度的低级特征和高级语义特征拼接在一起。

这种设计对医学图像极其友好，原因有两个。第一，医学图像数据集通常很小，UNet 参数量适中，配合数据增强就能训练；第二，跳跃连接保留了边缘、纹理等细节信息，对病灶边界的分割更精确。

所以，当你面对 CT、MRI 或病理图像的分割任务时，UNet 是首选的 baseline 模型。

2.3 DeepLabV3+：基于空洞卷积的语义分割

DeepLabV3+ 与 UNet 的出发点不同。它使用空洞卷积（dilated convolution）在保持特征图分辨率的同时扩大感受野，并通过 ASPP（Atrous Spatial Pyramid Pooling）模块用不同空洞率的卷积并行提取多尺度上下文信息，最后用编码器-解码器结构恢复细节。

和 UNet 对比，DeepLabV3+ 的优势在于多尺度上下文建模能力更强。如果你的分割目标大小差异很大，或者在复杂背景下需要更强的语义信息，DeepLabV3+ 通常会优于基础版 UNet。它的劣势也一样明显：结构更复杂，对显存要求更高，在小数据集上不一定比 UNet 更容易训练。

在毕设中，更合适的做法是把 UNet 和 DeepLabV3+ 作为两条对比路线，证明你针对自己的数据特点做了模型选择的思考，而不是只跑一个模型就草草收场。

2.4 YOLOv5：单阶段目标检测的工程化标杆

YOLOv5 是目前工程落地最广泛的目标检测模型之一。它把目标检测看成回归问题，直接在图像上预测边界框和类别，不需要两阶段检测器那样生成候选区域，速度优势非常明显。

YOLOv5 在医学场景中解决的任务通常是：在一张完整切片或内窥镜图像中定位多个目标区域，例如检测细胞、息肉、器官区域。它和分割的区别在于，检测只给边界框，不给像素级掩膜；但检测速度更快，也更适合视频或实时场景。

从毕设角度来说，YOLOv5 最大的价值是工程链成熟。官方仓库提供了完整的数据准备、训练、验证、推理和导出流程，你可以把注意力集中到数据处理和实验设计上，不需要从零实现检测器。

2.5 四个模型协同工作的总体框架

可以把这四个模型的关系理解为不同分析粒度：

3. PyTorch 环境搭建与前置准备

不管后续代码怎么写，第一步一定是把 PyTorch 环境准备到位。这一步看似基础，但很多人在这里浪费了大量时间。

3.1 安装 Anaconda 并创建虚拟环境

强烈建议使用 Anaconda 管理 Python 环境，避免多个项目依赖互相污染。

conda create -n medical_dl python=3.9 -y conda activate medical_dl

Python 版本不要盲目追求最新。PyTorch、CUDA 和 torchvision 等版本之间有对应关系，建议先确认你要安装的 PyTorch 版本所支持的 Python 版本范围，再选择 Python 3.8 或 3.9。这里用 3.9 是相对稳妥的选择。

3.2 安装 PyTorch

PyTorch 的安装方式建议从 PyTorch 官网的获取页面选择，因为 CUDA 版本和安装命令会随版本更新而变化。如果你有 NVIDIA GPU，先执行nvidia-smi查看驱动支持的 CUDA 版本，再选择对应的 PyTorch wheel。

没有 GPU 的读者也不要放弃，下面的代码在 CPU 上也能运行，只是训练时间会长一些。对于小规模医学数据集，CPU 训练一个简化版 UNet 依然是可行的。

# GPU 环境示例（具体命令以官网为准） pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

安装完成后，用下面的代码验证环境：

import torch import torchvision print("PyTorch 版本:", torch.__version__) print("torchvision 版本:", torchvision.__version__) print("CUDA 是否可用:", torch.cuda.is_available()) if torch.cuda.is_available(): print("GPU 名称:", torch.cuda.get_device_name(0))

如果torch.cuda.is_available()返回 False，先检查驱动是否正常、PyTorch 的 CUDA 版本和驱动是否匹配。这是最常见的环境问题之一。

3.3 安装辅助库

除 PyTorch 外，还需要一些常用库：

pip install matplotlib numpy opencv-python pillow tqdm tensorboard

如果做分割评估，建议安装医学图像领域常用的评估库，例如 monai 或 segmentation-models-pytorch。本文示例中分割模型会直接基于 PyTorch 和 segmentation-models-pytorch 来简化实现。

到这里，环境准备完成。接下来进入数据部分。

4. 医学图像数据组织与预处理

医学图像深度学习的真实瓶颈往往在数据。下面先建立一套通用的数据组织方式，后续所有模型都可以复用。

4.1 分类任务的数据目录

以二分类为例（如“正常”和“病变”），推荐目录结构如下：

data/classify/ train/ normal/ 001.jpg 002.jpg lesion/ 001.jpg val/ normal/ lesion/

4.2 使用 torchvision.datasets.ImageFolder

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.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/classify/train', transform=train_transform)

这里的Normalize参数使用了 ImageNet 的均值和标准差。如果使用预训练模型做迁移学习，这组参数是标准配置。

4.3 医学图像数据增强注意事项

医学图像增强要谨慎。翻转和轻微旋转通常安全，但不要随意使用强烈的颜色抖动，因为医学图像的色彩或灰度信息可能具有诊断意义。例如染色病理图像的颜色分布发生变化，可能改变组织结构的视觉特征。

如果数据集严重不平衡，可以考虑：

• 对少数类做过采样复制；
• 使用加权随机采样器WeightedRandomSampler；
• 在损失函数中设置类别权重。

5. ResNet 医学图像分类实战

分类是最基础的医学图像任务。以 ResNet50 为例，展示从加载预训练模型到训练微调的全过程。

5.1 加载预训练模型并修改分类头

import torch import torch.nn as nn from torchvision import models def create_resnet_model(num_classes, use_pretrained=True): model = models.resnet50(weights=models.ResNet50_Weights.IMAGENET1K_V1 if use_pretrained else None) # 替换最后一层全连接层 in_features = model.fc.in_features model.fc = nn.Linear(in_features, num_classes) return model model = create_resnet_model(num_classes=2)

model.fc是 ResNet 最后的全连接层。替换时需要保持前面的特征提取部分不变。这样可以利用 ImageNet 上学习到的通用特征，显著减少医学小数据集上的训练难度。

5.2 冻结与解冻策略

对于小数据集，有一个常用技巧：先冻结骨干网络，只训练新替换的全连接层；训练几个 epoch 后再解冻骨干网络，用更低的学习率微调。

def freeze_backbone(model, freeze=True): for param in model.parameters(): param.requires_grad = not freeze # 最后一层始终可训练 for param in model.fc.parameters(): param.requires_grad = True

这种做法的道理是：预训练模型已经学到了通用的边缘、纹理、形状特征，小数据集不足以也不应该大改这些特征，只负责把特征映射到新分类任务上。毕设实验中可以把“全量微调”“只训全连接层”“分阶段微调”做对比，本身就是一个有价值的小实验点。

5.3 训练循环

import torch.optim as optim from torch.utils.data import DataLoader device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = model.to(device) criterion = nn.CrossEntropyLoss() optimizer = optim.Adam(model.parameters(), lr=1e-4) train_loader = DataLoader(train_dataset, batch_size=16, shuffle=True, num_workers=4) def train_one_epoch(model, loader, criterion, optimizer, device): model.train() total_loss = 0.0 correct = 0 total = 0 for images, labels in loader: images, labels = images.to(device), labels.to(device) optimizer.zero_grad() outputs = model(images) loss = criterion(outputs, labels) loss.backward() optimizer.step() total_loss += loss.item() * images.size(0) _, preds = torch.max(outputs, 1) correct += (preds == labels).sum().item() total += labels.size(0) return total_loss / total, correct / total for epoch in range(10): train_loss, train_acc = train_one_epoch(model, train_loader, criterion, optimizer, device) print(f"Epoch {epoch+1}/10, Loss: {train_loss:.4f}, Acc: {train_acc:.4f}")

训练完成后，验证集上评估 accuracy、precision、recall、F1。医学场景样本不平衡时，accuracy 会骗人，F1 和 AUC 更有参考价值。

6. UNet 与 DeepLabV3+ 医学图像分割实战

分割是医学图像中最有辨识度的任务。下面给出 UNet 的最小实现，以及 DeepLabV3+ 的迁移学习用法。

6.1 UNet 核心结构实现

UNet 的基本组成是双卷积块、下采样、上采样和跳跃连接。下面是基于 PyTorch 的简化实现，适合理解结构；实际实验中可以直接使用 segmentation-models-pytorch 等成熟库。

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, padding=1), nn.BatchNorm2d(out_ch), nn.ReLU(inplace=True), nn.Conv2d(out_ch, out_ch, 3, padding=1), nn.BatchNorm2d(out_ch), nn.ReLU(inplace=True) ) def forward(self, x): return self.conv(x) class UNet(nn.Module): def __init__(self, in_channels=3, num_classes=1, features=[64, 128, 256, 512]): super().__init__() self.downs = nn.ModuleList() self.ups = nn.ModuleList() self.pool = nn.MaxPool2d(2) # 编码器 for f in features: self.downs.append(DoubleConv(in_channels, f)) in_channels = f self.bottleneck = DoubleConv(features[-1], features[-1] * 2) # 解码器 for f in reversed(features): self.ups.append(nn.ConvTranspose2d(f * 2, f, kernel_size=2, stride=2)) self.ups.append(DoubleConv(f * 2, f)) self.final_conv = nn.Conv2d(features[0], num_classes, kernel_size=1) def forward(self, x): skip_connections = [] for down in self.downs: x = down(x) skip_connections.append(x) x = self.pool(x) x = self.bottleneck(x) skip_connections = skip_connections[::-1] for idx in range(0, len(self.ups), 2): x = self.ups[idx](x) skip = skip_connections[idx // 2] if x.shape != skip.shape: x = nn.functional.interpolate(x, size=skip.shape[2:]) x = torch.cat((skip, x), dim=1) x = self.ups[idx + 1](x) return self.final_conv(x)

这个实现的核心逻辑是：编码器逐步下采样获取多尺度特征，跳跃连接把每层编码器的输出传给对应解码器，在通道维度拼接后再上采样。如果输入和跳过连接特征图尺寸不匹配，使用interpolate调整尺寸，这是实际训练时常遇到的细节问题。

6.2 分割损失函数选择

医学图像分割中，二分类任务常用 BCEWithLogitsLoss 或 DiceLoss。Dice Loss 对小目标和类别不平衡更友好：

class DiceLoss(nn.Module): def __init__(self, smooth=1.0): super().__init__() self.smooth = smooth def forward(self, pred, target): pred = torch.sigmoid(pred) pred = pred.contiguous().view(-1) target = target.contiguous().view(-1) intersection = (pred * target).sum() dice = (2.0 * intersection + self.smooth) / (pred.sum() + target.sum() + self.smooth) return 1.0 - dice

多分类场景则使用 CrossEntropyLoss，但考虑加权重缓解样本不平衡。

6.3 DeepLabV3+ 迁移学习实现

不需要从零实现 DeepLabV3+ 时，可以使用 segmentation-models-pytorch 库，几行代码即可创建：

pip install segmentation-models-pytorch

import segmentation_models_pytorch as smp model = smp.DeepLabV3Plus( encoder_name="resnet50", encoder_weights="imagenet", in_channels=3, classes=1, )

这里encoder_name指定骨干网络，encoder_weights加载 ImageNet 预训练权重，classes是分割类别数。这种方式把 DeepLabV3+ 的工程复杂度降到了很低，你可以把精力放在数据处理和训练调参上。

6.4 分割训练的数据加载

分割任务需要图像和掩膜一一对应。建议自定义 Dataset：

from torch.utils.data import Dataset from PIL import Image import numpy as np import os class SegDataset(Dataset): def __init__(self, image_dir, mask_dir, image_size=(256, 256)): self.image_paths = sorted([os.path.join(image_dir, f) for f in os.listdir(image_dir)]) self.mask_paths = sorted([os.path.join(mask_dir, f) for f in os.listdir(mask_dir)]) self.image_size = image_size def __len__(self): return len(self.image_paths) def __getitem__(self, idx): image = Image.open(self.image_paths[idx]).convert("RGB").resize(self.image_size) mask = Image.open(self.mask_paths[idx]).convert("L").resize(self.image_size) image = np.array(image) / 255.0 mask = np.array(mask) / 255.0 mask = (mask > 0.5).astype(np.float32) image = torch.tensor(image, dtype=torch.float32).permute(2, 0, 1) mask = torch.tensor(mask, dtype=torch.float32).unsqueeze(0) return image, mask

注意：需要确保 image 和 mask 的文件名在同一语义顺序上对应，这是分割任务最容易出错的地方。训练前最好打印几个样本，可视化核对 mask 是否与图像对齐。

6.5 分割评估指标

医学分割论文最常用的指标是 Dice 系数和 IoU。计算方式建议从验证集所有样本的累计混淆矩阵计算，而不是逐图平均，这样更接近实际效果。

7. YOLOv5 医学图像检测实战

检测任务在医学图像中同样常见。使用 YOLOv5 官方仓库是最快捷的方式。

7.1 克隆仓库并安装依赖

git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt

这里需要注意：YOLOv5 官方仓库更新迭代较快，建议在做毕设时固定一个 release 版本，方便复现。

7.2 数据集格式准备

YOLOv5 使用 LabelImg 或 Roboflow 等工具标注后，会生成 txt 格式的标签文件。每一行表示一个目标：

class_id x_center y_center width height

其中坐标都是相对图像宽高的归一化值。

数据集目录结构：

data/yolo_dataset/ images/ train/ img001.jpg val/ img002.jpg labels/ train/ img001.txt val/ img002.txt

7.3 编写数据集配置 yaml

# data/medical.yaml train: data/yolo_dataset/images/train val: data/yolo_dataset/images/val nc: 2 names: ['normal_region', 'lesion_region']

nc是类别数量，names是类别名称，顺序不能乱。

7.4 训练模型

python train.py --data data/medical.yaml --weights yolov5s.pt --img 640 --batch-size 16 --epochs 100 --device 0

常用参数说明：

如果医学图像分辨率很高（例如病理切片），不建议盲目降低到 640 以下的尺寸，否则小目标容易丢失。但也要考虑显存和训练时间，可以用 640 起步做 baseline，再尝试更大尺寸。

7.5 推理与结果可视化

python detect.py --weights runs/train/exp/weights/best.pt --source data/yolo_dataset/images/val --save-txt --save-conf

--save-txt保存检测框坐标，--save-conf保存置信度。可视化结果会保存在runs/detect/exp目录下。

8. 多任务串联：构建一个完整的医学图像分析流程

把分类、分割、检测三个模型串联起来，是毕设中体现系统性的关键。

一个常见的串联思路是：

1. 输入一张完整医学图像；
2. 用YOLOv5定位图像中的候选目标区域；
3. 对每个目标区域裁剪后，用UNet / DeepLabV3+进行像素级分割，提取精确病灶边界；
4. 对分割区域提取特征后，用ResNet判断病灶性质。

这种流程的设计逻辑是：检测负责“在哪里”，分割负责“边界有多准”，分类负责“这是什么”。三个模型各司其职，形成分析链路。虽然你也可以把检测和分类合并为检测模型的分类分支，但在毕设论文中拆分开来，更能体现不同方法的互补性。

多任务设计的另一个价值是可以做消融实验。论文中你可以这样设计对比：

每个模型的实验结果都要记录核心指标，不仅是最终分数，还包括训练曲线、样本可视化结果和失败案例分析。

9. 常见问题与排查方法

以下表格总结了医学图像 PyTorch 实战中最常见的几类问题：

10. 毕设实验设计与最佳实践

10.1 实验记录

从第一天开始就建立实验记录表。每跑完一组实验，记录日期、数据版本、模型、超参数、指标、备注。毕业设计后期你一定会庆幸自己有这个习惯。

推荐一个轻量级记录格式：

实验编号：exp012 时间：2025-xx-xx 模型：UNet 数据：肺结节数据集 v2（裁剪到 256x256） 预处理：只做了归一化，未做增强 超参数：lr=1e-4, batch=16, epoch=100, optimizer=Adam 结果：Dice=0.87, IoU=0.78 备注：对边缘小目标分割效果差，尝试加强旋转增强

10.2 代码工程化建议

• 训练、验证、预测的三个脚本要分开，例如train.py、val.py、infer.py；
• 统一使用argparse或 yaml 管理超参数；
• 固定随机种子，确保实验可复现；
• 每个 epoch 保存 checkpoint，包含模型权重、优化器状态、epoch 数；
• 使用 TensorBoard 记录训练曲线，不用只靠 print。

10.3 数据集与合规提醒

医学图像数据涉及患者隐私，毕设中使用的数据必须确保来源合法，去除可识别患者身份的信息。使用公开数据集时，要确认数据的使用许可协议，并在论文中正确引用来源。千万不能使用未授权爬取的数据。

10.4“能跑通”和“能答辩”之间的差距

如果你只想让代码跑起来，跟着上面示例几个小时就能做到。但毕业设计真正考察的是：你能不能解释为什么选择这些模型、数据是怎么处理的、实验是怎么对照的、最终结果有什么不足以及后续怎么改进。

所以，建议你至少完成以下三步：

1. 用最小数据集跑通分类、分割、检测三个基础 baseline；
2. 对你的真实数据做预处理和统计，分析数据分布和难点；
3. 设计至少两组对比实验，记录训练曲线和评估指标，而不是只跑出一组结果就结束。

10.5 超参数调整的一些通用经验

医学图像小数据集上，有几个经验可以参考：

• 学习率从 1e-4 起步相对稳定，比常用的 1e-3 更适合医学小数据；
• 输入分辨率比模型深度更重要，在显存允许的情况下优先保证分辨率；
• 迁移学习基本是必选项，没有预训练权重时小数据集训练效果很难保证；
• 分割任务中，Dice Loss 往往比纯 BCE Loss 更容易收敛；
• 早停（early stopping）是防止过拟合的有效手段，不要盲目把 epoch 拉到很大。

写在最后

回头再看本文开头的问题：医学深度学习毕设没思路怎么办？答案是不要把思路寄托在某一个“更好的模型”上，而是把经典模型组合成一条可解释、可验证的技术链路。ResNet、UNet、DeepLabV3+、YOLOv5 这四个模型，分别对应分类、分割、检测三大医学影像基本任务，用 PyTorch 复现并不需要多高深的技术，真正体现工作量的是数据组织、实验设计和结果分析。

下一步建议很简单：照着本文第 5、6、7 章的代码，先在自己的机器上把三个 baseline 分别跑通；然后拿出你的真实数据，完成预处理和人工标注检查；最后设计好对比实验，开始正式训练。遇到报错时，回到第 9 节的排查表逐项对照，大多数问题都可以在半小时内解决。

祝你的毕设实验顺利，答辩时能自信地讲出每个环节的设计逻辑和工程细节。