简介面向医学图像分割入门与进阶者这份基于U-Net与Attention U-Net的完整工程代码以CT等影像语义分割为场景提供从数据处理、模型搭建、训练评估到预测可视化的全流程实现。资源共14个文件压缩包16KB核心为5个Python脚本和7个编译后的pyc文件涵盖dataset、model、train、predict及utils等模块另有requirements与readme说明结构清晰可直接运行调试。已有117人学习下载。代码实现了标准U-Net与注意力门控的Attention U-Net支持多类别标签映射、随机翻转与窗宽窗位增强训练采用AdamW与余弦衰减并基于混淆矩阵计算Dice、IoU、精确率、召回率等指标自动保存最佳模型与日志预测时支持原图叠加掩码输出。对想快速上手医学图像分割或扩展注意力机制实验的开发者是一套值得参考的紧凑型模板。1. 医学图像分割系统为什么绕不开U-Net上个月一个师弟拿着四十多例标注好的CT胰腺数据来问我用什么模型能最快出一个能看的初版分割结果。我的答案从来都是先上U-Net而不是更深的ResNet、更花哨的Transformer。这不是情怀——在标注样本常年只有几十例的医疗场景里U-Net的编码器-解码器骨架加上跳跃连接是被反复验证过“小数据也能训出可用模型”的结构。而Attention U-Net在U-Net的跳跃连接上加了注意力门控让模型在解码阶段主动抑制背景区域的激活对目标小、边界模糊的器官分割有明显收益。下面要讲的就一件事这个医学图像分割系统怎么从零搭起来、参数怎么设、坑在哪。2. 从U-Net到Attention U-Net架构选型背后的三个理由2.1 编码器-解码器结构医学图像分割的基线为什么是它在医疗影像里绝大多数器官、病灶在图像上占比很小分布也不均匀这就决定了分割不能只做逐像素分类。你把每个像素独立分类局部纹理相似的区域会被切成碎片同一块肝脏在不同切面灰度差异也很大。U-Net的思路是先把整张图逐步下采样压缩成高层语义特征再逐步上采样恢复分辨率。这个“先收缩、再扩张”的过程相当于先看完整张图像再回来标像素信息是全局的而不是局部的。跳跃连接是U-Net比普通编码器-解码器更实用的关键。连续池化会把精细的边界信息丢掉解码器上采样时只能看到模糊的语义。跳跃连接把对应尺度的低层特征直接拼到解码路径上等于在每个解码阶段同时拿到“大概知道这是什么”的高层特征和“边界在哪”的低层特征。对医学图像来说器官边界往往就是灰度梯度最陡的地方低层特征对这类边缘非常敏感。所以U-Net成了医学分割的事实基线几乎所有后续结构都在它的框架上做改进Attention U-Net也是其中之一。一个容易被忽略的细节是U-Net的输入尺寸。原论文用单通道灰度图、输入512x512因为当时的GPU显存只有6GB。现在大家用128x128或256x256的patch更常见。但尺寸变小后下采样到最底层时空间分辨率可能只剩8x8或16x16如果器官占整张图比例很小这个分辨率不足以保留足够的语义。我的经验肝脏、肺这类大器官patch尺寸至少256x256视网膜血管这类细长结构patch尺寸反而不能太大否则过度池化会把血管细节弄断。还有一点常被忽略U-Net的深度不需要很深。原论文只有4个下采样阶段对应4个上采样阶段层数总数不到30。深度堆到50层以上在医疗小数据场景反而更容易过拟合而且显存压力成倍增长。我在实际项目里发现3个下采样阶段的轻量U-Net在大多数2D切片任务上已经足够准确率与4阶段版本相差不到1%训练时间能省一半。2.2 Attention U-Net的注意力门控补的是U-Net哪块短板原版U-Net的跳跃连接是直接把编码器特征拼接到解码器Attention U-Net在拼接之前先对这个特征做注意力加权。加权的依据来自一个“门控信号”——解码器中更深、更靠近输出的一层它语义更明确知道当前阶段应该关注什么内容。注意力机制用门控信号生成一个与特征图同尺寸的权重图把不相关区域的响应压下去把目标区域的响应保留下来。具体实现是在每个解码层前插入一个注意力门输入是编码器对应层的特征skipping和解码器上一层的输出gating两者先分别过1x1卷积统一通道数相加后过ReLU再过1x1卷积和Sigmoid得到0到1之间的注意力系数。这个系数和原特征逐元素相乘得到加权后的特征再参与拼接。和“通道注意力”如SE模块不同这里生成的是空间注意力图逐像素地告诉模型哪里要看、哪里不需要看这让解码器在不损失分辨率的情况下自然聚焦到目标区域。这项改动在CT胰腺分割这类任务上特别明显——胰腺体积占比小周围脂肪和血管组织灰度接近U-Net会把大量背景误分割成胰腺而Attention U-Net的注意力权重会把胰腺以外的激活压低。注意注意力门控增加的参数与计算量其实很小每个门只是两个1x1卷积加一个Sigmoid但它让梯度能更直接地回传到编码器的重要区域训练早期就稳定了模型对目标区域的敏感性不容易跟着背景噪声走。注意力门的另一个附带收益是训练稳定性。普通U-Net在小数据集上训练时解码器早期很容易被背景像素的大梯度带偏注意力门在训练初期就能把解码器的注意力约束到目标区域附近相当于给梯度加了软掩膜。这也是为什么在小样本任务里Attention U-Net的收敛曲线通常比U-Net更平稳波动更小。2.3 两种架构的边界什么时候注意力是多余的Attention U-Net不是所有任务都有收益。如果分割目标本身就很大、与背景对比度高比如肺部CT里的左右肺叶普通U-Net已经能拿到很高的Dice注意力门控带来的提升可能只有0.1个点反而拉长训练时间还多了一个需要调试的超参数门控信号用哪一层。我的判断标准是看三个条件目标在整图占比是否小于10%、目标与背景灰度是否接近、目标边界是否模糊。三个条件满足两个Attention U-Net大概率有正向收益否则先用普通U-Net做基线。盲目上注意力结构不会让模型“自动变强”。而且注意力权重不一定是可解释的。有些训练不充分的模型注意力图会集中在图像边缘而不是目标区域其实是过拟合了训练集里器官固定出现的位置。所以用Attention U-Net时训完务必把注意力图可视化出来看一眼确认模型关注的位置和器官实际位置重合。别把注意力机制当黑匣子——它是工具不是保险。另一个实际考量是训练成本。Attention U-Net和U-Net在显存占用上的差距大约在200MB以内但训练时间会因为额外的卷积和激活值计算增加10%到20%。如果你的迭代周期很短、GPU资源有限先把普通U-Net的baseline结果跑出来再去追求Attention U-Net的指标提升是性价比最高的路径。我在实际项目中通常是先跑U-Net出基线结果再换Attention U-Net做对比两边的训练配置保持完全一致省得引入不必要的变量。还有一个折中的做法先用普通U-Net训练一个可靠的baseline再用Attention U-Net加载相同的编码器权重做fine-tune往往比从头训练Attention U-Net收敛更快、指标更高。注意力门加在解码器侧预先训练好的编码器特征已经是很好的输入这让注意力门的学习负担小很多。3. 搭建分割系统从DICOM切片到可部署的U-Net模型3.1 数据准备DICOM/NIfTI读取、重采样与归一化先讲数据格式。医院导出的原始影像绝大多数是DICOM格式一个病例包含几十到几百个层面每个层面有独立文件科研数据集和公开benchmark更常提供NIfTI.nii格式一个文件就是整个三维体。无论哪种格式训练前都要做三件事统一空间方向、重采样到相同体素间距、让标注掩膜和图像逐像素对齐。我一般用SimpleITK做DICOM读取与重采样用NiBabel处理NIfTI。重采样的目标间距在腹部CT上通常设为1.0x1.0x1.0mm或1.5x1.5x1.5mm间距再大会让细小病灶丢失。图像强度归一化要按模态区分CT是亨氏单位HU通常先做窗宽窗位裁剪肝脏CT常用窗宽350、窗位40再线性缩放到0到1MRI没有绝对量纲一般用z-score或百分位截断。很多新人的模型性能不佳就是直接在原始HU值上训练分布差异太大网络很难收敛。读入与预处理的关键代码以2D切片的NIfTI为例import nibabel as nib import numpy as np from scipy import ndimage def load_nifti_volume(path): 读取NIfTI文件并返回体数据和体素间距 img nib.load(path) data img.get_fdata() spacing img.header.get_zooms()[:3] return data, spacing def resample_volume(data, orig_spacing, target_spacing(1.0, 1.0, 1.0)): 将体数据重采样到目标体素间距 zoom_factor np.array(orig_spacing) / np.array(target_spacing) # 用三线性插值重采样沿(z, y, x)三个轴 resampled ndimage.zoom(data, zoomzoom_factor, order1) return resampled def ct_preprocess(volume, window_width350, window_level40): CT窗口裁剪把HU值限制在[level - width/2, level width/2]并归一化到0~1 lower window_level - window_width / 2.0 upper window_level window_width / 2.0 volume np.clip(volume, lower, upper) volume (volume - lower) / (upper - lower) return volume重采样用scipy.ndimage.zoomorder1表示三线性插值对医疗图像是合理的折中order3更平滑但可能引入overshoot导致强度越界。ct_preprocess做的是CT值窗口裁剪对肝脏、肾脏这类软组织窗宽350是常用起点如果目标是骨骼窗宽要拉到1500以上。注意MRI数据不要做窗口裁剪那是CT专属的预处理方式。提示预处理代码必须同时用于训练路径和推理路径。最稳妥的办法是把预处理写成独立函数在训练dataloader和推理脚本里import同一个函数训完的模型和预处理参数一起打包保存。3.2 最小训练脚本用PyTorch和SMP跑通U-Net模型定义不打算从头把U-Net每一层写出来segmentation_models_pytorchSMP库已经提供现成的U-Net和Attention U-Net实现。训练一个模型只需要几行代码import torch import segmentation_models_pytorch as smp model smp.Unet( encoder_nameresnet34, # 编码器主干 encoder_weightsimagenet, # 加载ImageNet预训练权重 in_channels1, # 单通道CT切片 classes1, # 二分类单目标分割 activationNone, # 输出logits损失函数内部做sigmoid )encoder_name指定编码器主干resnet34在医学图像上表现稳定、预训练权重容易获取encoder_weightsimagenet表示加载ImageNet预训练权重即使输入是灰度图像SMP会自动把第一层卷积从3通道改成1通道并复制权重in_channels1对应单通道CT切片classes1表示只分割一类目标。做多器官分割时把classes改成目标类别数激活函数改成softmax2d。Attention U-Net的加载方式完全一样只是换一个类名model smp.AttentionUnet( encoder_nameresnet34, encoder_weightsimagenet, in_channels1, classes1, )SMP的AttentionUnet实现了论文中的注意力门编码器输出的多尺度特征在进入解码器前都会经过注意力加权你不需要自己处理跳跃连接的通道对齐。训练循环的核心部分optimizer torch.optim.Adam(model.parameters(), lr1e-4) loss_fn smp.losses.DiceLoss(modebinary) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemax, factor0.5, patience10 ) for epoch in range(100): model.train() for batch in train_loader: images, masks batch # images: [B, 1, H, W], masks: [B, 1, H, W] images images.to(device) masks masks.to(device) logits model(images) loss loss_fn(logits, masks) optimizer.zero_grad() loss.backward() optimizer.step()注意两点DiceLoss的modebinary对应单类别分割输入是logits时不需要先过sigmoidDiceLoss内部会做概率转换ReduceLROnPlateau的modemax对应监控指标是“越高越好”验证Dice设成“min”会导致学习率在错误的方向上变化这是很隐蔽的低级错误。3.3 Attention U-Net的注意力门实现理解注意力门的具体实现对排查问题和做自定义改动都有帮助。我自己实现过一版精简的注意力门核心代码class AttentionGate(nn.Module): 空间注意力门用低层特征x和门控信号g生成逐像素权重 def __init__(self, in_channels_x, in_channels_g, out_channels): super().__init__() # 将x和g都映射到同一通道数 self.conv_x nn.Conv2d(in_channels_x, out_channels, kernel_size1) self.conv_g nn.Conv2d(in_channels_g, out_channels, kernel_size1) # 生成注意力系数 self.psi nn.Conv2d(out_channels, 1, kernel_size1) self.relu nn.ReLU(inplaceTrue) self.sigmoid nn.Sigmoid() def forward(self, x, g): x_proj self.conv_x(x) g_proj self.conv_g(g) # 相加后过ReLU再过1x1卷积和sigmoid生成注意力系数 attn self.sigmoid(self.psi(self.relu(x_proj g_proj))) return x * attn这就是Attention U-Net论文公式的实现q sigmoid(ψ(ReLU(W_x^T x W_g^T g)))。W_x和W_g是两个1x1卷积ψ是输出通道为1的1x1卷积。1x1卷积在这里做跨通道信息融合不提取空间特征所以kernel_size必须为1。这里的g来自解码器下一层经过上采样的特征尺寸必须与x一致相加才不会报错。实际使用中门控信号的选择对结果有影响。用解码器最深层的特征做门控注意力图往往聚焦在器官中心区域对边界细节不敏感用相邻解码层的输出做门控注意力图对边界更敏感。我通常在前两个解码阶段用深层门控、后面几个阶段用相邻层门控兼顾大目标的整体注意力和边界细节。这属于调参经验拿不到足够标注做消融实验时按默认设置先跑通即可。3.4 推理与后处理从概率图到最终掩膜推理阶段和训练阶段有几个关键区别。推理时不能用任何随机操作模型输出是logits过sigmoid得到概率图再用阈值默认0.5转换为二值掩膜。如果训练时用了随机裁剪和翻转推理输入需要先padding到网络的整数倍尺度。2D逐切片推理的典型问题是层间不连续。对三维体数据切片方向独立处理没有利用层间信息相邻切片的分割结果可能出现锯齿状跳变。常见的补救措施一是对概率图沿z轴做高斯平滑收益有限因为错位不是简单平滑能完全消除的二是测试时增强TTA对原始切片做翻转和旋转把概率图反变换回原方向后取平均。我一般对每个切片做4次TTA原图、水平翻转、垂直翻转、水平垂直翻转不重训模型也能把Dice提高0.5到1.5个点。后处理阶段另一个常见操作是连通域分析。医学图像里同类器官在解剖上是连续的分割结果中孤立的误检多半是噪声。用ndimage.label标记连通域只保留面积最大的区域针对单器官分割能过滤掉大部分假阳性from scipy import ndimage import numpy as np def postprocess_mask(prob_map, threshold0.5): 概率图转二值掩膜并保留最大连通域 binary (prob_map threshold).astype(np.uint8) labeled, num_features ndimage.label(binary) if num_features 0: return np.zeros_like(binary) sizes ndimage.sum(binary, labeled, range(1, num_features 1)) largest np.argmax(sizes) 1 return (labeled largest).astype(np.uint8)ndimage.label默认用4邻域细长结构更适合用8邻域需要传结构元素np.ones((3, 3))。保留最大连通域是“保底”策略如果你同时分割多个目标要改成保留前K个连通域不能直接取最大。这个后处理函数要在验证时和推理时保持一致不要在验证时加了后处理、推理时忘了加那会让离线指标和线上效果对不上。4. 避坑医学图像分割系统最常见的5个翻车现场4.1 损失不收敛类别不平衡让模型躺平现象训练了20个epochloss始终在0.3附近不降输出的分割图几乎全黑全部预测为背景。偶尔出现的Dice还挺好看是因为背景占95%以上全预测为背景已经“赢”了大部分像素。原因医学图像中前景占整幅图的比例通常只有5%到20%直接使用交叉熵损失背景像素的梯度会淹没前景像素。模型学到的最优策略是“都预测为背景”这样交叉熵依然很低但分割毫无意义。解决换用Dice Loss或Dice加交叉熵的加权组合。Dice Loss直接优化前景与背景的重叠比例不受类别不平衡影响。我常用的组合是0.7 * DiceLoss 0.3 * BCEWithLogitsLoss在大多数任务上比单一损失收敛更稳定。如果你的数据是极端不平衡前景占比低于2%把Dice权重提高到0.85或改用Focal Loss。不要固定一个权重用到底每次换任务先用一个小验证集对比0.6/0.4、0.7/0.3、0.8/0.2三组权重选验证Dice最高的。4.2 数据增强过度把器官形状学到了错误的地方现象训练集Dice 0.95验证集Dice只有0.83验证集分割边界破碎甚至把胃和脾脏连成一片。原因做增强时旋转角度过大、缩放范围过宽。医学图像中器官的相对位置和解剖结构是固定的肝脏在右上腹、脾脏在左上腹大幅旋转或随机裁剪会让网络学到不合理的形状变化导致分割结果在解剖上不连贯。解决数据增强要限制在解剖学可接受的范围。我常用水平翻转垂直翻转视模态而定、±10度旋转、0.9到1.1倍缩放、轻微弹性形变sigma 4到8。不要用随机裁剪大块背景的增强背景过大会加剧类别不平衡。稳妥的做法是先不做空间增强只做强度扰动亮度、对比度、伽马确认模型能收敛后再逐步加上空间增强每次只加一项用验证集对比收益。4.3 显存溢出patch size和batch size的取舍现象程序在第一个batch就报RuntimeError: CUDA out of memory或者跑几个epoch后在某个step突然崩掉。原因最典型的是patch size设置过大。512x512的输入配合batch size 16在8GB显存的GPU上必然爆掉。更隐蔽的原因是验证阶段没有关闭梯度计算torch.no_grad()没加上验证也占用了大量显存。解决显存和性能的取舍要量化。我的流程先在batch size4下把模型跑通再逐步增大patch size到显存上限的90%如果batch size太小比如只有2用梯度累积等效放大batch sizeoptimizer.zero_grad()每K步执行一次相当于batch size增加K倍但显存不变。另外验证和推理块必须包在torch.no_grad()里这一步省下的显存比你减少batch size还多。4.4 Dice虚高评估指标的欺骗性现象验证集Dice 0.95很有成就感。把分割结果给临床医生看他说边缘差了3到4毫米根本没法用。原因Dice对区域内部正确率敏感对边界误差钝感。如果分割边界比金标准整体偏移1像素Dice可能仍然很高但已超出临床可接受范围。对细小结构血管、神经、小病灶Dice会虚高到让人误以为模型已经完美。解决评估不能只看Dice。HD95Hausdorff距离95分位数反映最差边界偏差表面Dice关注边界带内的重合度。一个成熟的评估面板至少包含Dice、HD95、体素精度、灵敏度外加几张可视化图。单看Dice做决策是很多翻车事故的起点。每次训练结束后挑Dice最低的5个验证样本打印分割图和金标准叠加图亲眼确认边界质量。4.5 预处理不一致训练和推理的灰度分布对不上现象训练时每个样本做了z-score归一化Dice很好。部署时直接调用模型对新病例推理结果整个分割区域消失或多出大量假阳性。原因推理时忘了归一化或归一化的统计量来自训练集而新病例的灰度分布完全不同。CT图尤其明显不同机型、不同扫描参数HU分布差异很大训练用窗宽窗位裁剪缩放到0到1推理改成z-score模型看到的分布完全不是训练时的分布。解决把预处理写成函数在训练和推理路径强制复用不要手工复制代码。我踩过最深的坑是训练代码里先做裁剪再做z-score推理代码顺序写反了两个步骤的数值范围完全不同模型直接报废。现在我的做法是把预处理函数和参数写进配置文件和模型权重一起保存推理时直接从配置读取保证训练和推理严格一致。这看起来不起眼但能直接毁掉一个项目。5. 参数调优与评估Dice、HD95与训练策略的落地选择5.1 学习率、损失函数权重与epoch策略怎么设先讲学习率。医学图像分割的数据量通常在几百到几千张切片batch size一般只有4到8Adam优化器比SGD更容易上手、对学习率不敏感。我常用的初始学习率1e-4配合ReduceLROnPlateau每10个epoch监控验证Dice连续不升则降为0.5倍最低1e-6。用SGD的话初始学习率从0.01开始配合CosineAnnealingWarmRestarts但对新手不友好。另一种常见做法先用一个小数据集跑3到5个epoch观察loss下降趋势loss不降或出现NaN优先排查学习率是否过大、batch size是否过小。损失函数权重在4.1节提到0.7/0.3的Dice加BCE组合这个比例不是固定的。分割目标极小比如单个肾结石占图比低于2%时把Dice权重提高到0.85或改用Focal Loss。Focal Loss的γ默认2.0在极端不平衡下比Dice收敛更好但γ调太大会让训练后期loss不稳定建议在0.5到2.0之间搜索步长0.5。epoch策略最关键的是早停和检查点保存。每两个epoch用验证集评估一次验证Dice连续15个epoch不升就停止同时保存验证Dice最高的检查点。训练后期过拟合是常态最好的checkpoint常常在final epoch之前。代码best_dice 0.0 patience 15 epochs_no_improve 0 for epoch in range(max_epochs): train_one_epoch(model, train_loader, optimizer, loss_fn) val_dice evaluate(model, val_loader, metric_fn) if val_dice best_dice: best_dice val_dice epochs_no_improve 0 torch.save({ epoch: epoch, model_state_dict: model.state_dict(), optimizer_state_dict: optimizer.state_dict(), best_dice: best_dice, }, best_model.pt) else: epochs_no_improve 1 if epochs_no_improve patience: print(fEarly stopping at epoch {epoch}, best Dice {best_dice:.4f}) break保存state_dict比保存整个模型更稳妥跨PyTorch版本兼容性好也方便只加载权重迁移到推理环境。早停的patience值要视训练数据量而定数据量越小、收敛越慢patience越要大15到25都是常见区间。一个容易被忽视的问题是验证集划分。医学图像分割最常见的错误是把同一个病人的多个切片同时放进训练集和验证集相邻切片高度相似模型其实在“记忆”这个病人的解剖结构验证Dice虚高。正确做法是按病人ID划分同一位病人的全部切片只出现在训练或验证中。这样验证Dice可能比乱划分低2到5个点但反映的是真实泛化能力。5.2 评估指标解读Dice、HD95与边界质量Dice的定义是2 * |A ∩ B| / (|A| |B|)A是预测掩膜B是金标准掩膜。这个指标对大面积目标很宽容对小目标苛刻。真实体积1000像素的病灶预测出1100像素、面积重合900像素Dice很容易超过0.9但边界可能已经歪了不少。HD95是预测边界到金标准边界距离的95分位数单位是像素或毫米。它衡量“最坏情况下的边界偏差”比平均表面距离更能反映模型边界质量。评估面板建议按表格形式打印指标定义临床意义Dice区域重叠率分割整体准不准HD95边界距离95分位数最差边界偏差外科手术精度看这个ASD平均表面距离整体边界贴合度灵敏度 / 特异度像素级TPR / TNR是否漏检或过度分割多类别分割时指标汇总要小心。常见做法是各类别Dice取平均macro-average但占比小的类别会拉低整体分数。更好的做法是报告每个类别的独立指标让医生判断哪个类别分割不够可靠。5.3 Attention U-Net值不值得上用消融实验说话从业者经常问到底用U-Net还是Attention U-Net我的回答先做基线再用消融实验验证。Attention U-Net的参数量和计算量只比U-Net多约5%到10%但收敛速度和最终精度在某些任务上有明显提升。以我经手的一个CT胰腺分割项目为例相同数据、增强策略、优化器训练50个epochU-Net验证Dice 0.82Attention U-Net 0.85同样的对比在肝脏分割上是0.95对0.96差距很小。这说明Attention机制的价值取决于任务难度。目标小、背景杂、边界模糊时有可量化收益任务简单时就是无谓的复杂度。我的建议项目启动第一周用SMP把U-Net和Attention U-Net都跑一遍各训练50个epoch比较Dice和HD95。发论文的话两者的对比属于标配实验做落地产品用Attention U-Net的前提是它确实改进了你的业务指标。训练成本也不能忽略。Attention U-Net比U-Net显存多占约200MB训练时间增加10%到20%。如果GPU资源紧张先确保U-Net基线足够好再考虑Attention结构。方向比努力更重要投入attention机制之前先想清楚你的性能瓶颈到底在模型结构、数据量还是预处理。6. 进阶验证没有金标准时怎么判断分割质量6.1 模型一致性多折输出方差作为可靠性代理很多医学分割项目的真实困境没有专家标注的金标准。标注成本高或标注本身存在争议。这时最实用的是交叉验证模型一致性。把数据集按病人划分成5折训练5个模型用5个模型分别预测同一个新样本。如果5个模型输出高度一致说明模型学到的知识稳定如果某个模型在某区域明显偏离其他四个那片区域很可能是标注噪声或解剖变异。一致性度量方式对5个概率图逐像素计算标准差标准差大的区域就是模型最不确定的区域。这个不确定性图可以直接叠加在原始图像上作为临床参考。6.2 注意力可视化判断模型是否聚焦在器官上在Attention U-Net上注意力图是免费的解释工具。把最后一层注意力图叠加到原始图像上看模型是否聚焦在器官区域。我做过一次这种检查发现某轮训练出的模型注意力图集中在图像角落因为训练样本里器官总是在右下角模型学会了“抄近路”。把训练数据改成随机翻转后这个问题消失。这就是可视化验证的价值。没有注意力图的普通U-Net也可以用Grad-CAM近似定位模型关注的区域但注意力图更直接也更能反映解码器当前阶段的行为。6.3 测试时增强不花标注数据提升稳定性最后是测试时增强。推理时对输入做几组变换把多个预测结果反变换回原始空间后取平均能有效降低预测方差。TTA在3.4节提过能提升Dice在验证阶段它还有一个额外用途如果模型在TTA前后的预测差异很大说明模型对输入变换敏感、泛化不足需要回查训练增强策略和预处理。TTA核心代码import torch.nn.functional as F from torchvision import transforms tta_transforms [ lambda x: x, lambda x: torch.flip(x, dims[-1]), lambda x: torch.flip(x, dims[-2]), lambda x: torch.flip(torch.flip(x, dims[-1]), dims[-2]), ] probs [] for t in tta_transforms: aug_input t(image) logits model(aug_input) # 插值回原尺寸反变换回原始方向累积 logits F.interpolate(logits, sizeorig_size, modebilinear, align_cornersFalse) probs.append(t(torch.sigmoid(logits))) final_prob torch.stack(probs).mean(dim0)注意所有变换都要有对应的逆变换翻转的逆变换就是它自己所以代码里用同一个t做正向和反向。如果加了旋转要记住正向旋转角度和反向旋转角度互逆。最后把平均后的概率图按第一节的阈值和连通域规则转成掩膜。我的习惯是每当一个分割模型训练到头不看验证指标就收工一定会挑几个最难样本验证集里Dice最低的那几个把原始图像、金标准、预测结果、注意力图四张图打印出来亲手过一遍。模型可以是黑匣子但身为工程师你对结果必须要有直觉。希望这些经验能帮你在医学图像分割系统这条路上少踩几个坑把模型从“能跑”推到“可信”。本文还有配套的精品资源点击获取