深度学习实战之：手把手，零基础，从零复现 Unet 医学图像分割

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 python=3.8 conda activate unet

接下来安装深度学习三件套：

pip install tensorflow==2.6.0 keras==2.6.0

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 cudatoolkit=11.3 cudnn=8.2.1

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_range=10, width_shift_range=0.1, height_shift_range=0.1, shear_range=5, zoom_range=0.1, horizontal_flip=True, fill_mode='constant' )

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, activation='relu', padding='same')(inputs) x = Conv2D(filters, 3, activation='relu', padding='same')(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), strides=2, padding='same')(inputs) x = concatenate([x, skip_features]) # 关键跳跃连接 x = Conv2D(filters, 3, activation='relu', padding='same')(x) x = Conv2D(filters, 3, activation='relu', padding='same')(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, threshold=0.5): 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, specificity

7. 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：

1. 使用渐进式训练：先用小尺寸(128x128)训练，再微调大尺寸(256x256)
2. 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%
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)