简介这是一份基于Python的眼底图像视杯视盘分割与眼科特征分析项目源码面向计算机视觉、医学图像处理方向的课程设计或毕业设计也适合有一定Python基础的学生进行进阶学习。项目以眼底图像为数据实现血管红色、视盘绿色、视杯蓝色的分割与可视化支持计算杯盘比vCDR等视盘区域特征、提取血管分支特征客户端可显示关键位置并提供血管特征清单同时涵盖早产儿视网膜病变分类、青光眼分级及39类眼科疾病分类功能较为完整。压缩包共18个文件总大小9.22MB包含Python主程序、2个ONNX模型文件、README与说明文档以及多张PNG/JPG展示截图便于快速查看运行效果、对照代码学习。代码经测试可正常运行附有详细注释目前已有348人学习下载适合作为高分课设、毕设项目或相关课题的参考实现。1. 眼底图像视杯视盘分割这门Python课程设计到底在解决什么问题在眼科门诊青光眼筛查最耗时的不是看片子而是标注视盘和视杯。医生用标注笔在眼底照片上一点点描边界一张图五六分钟一天几十张眼睛就花了。用Python做一个能自动分割视杯和视盘的程序把医生从重复劳动里解放出来——这就是这个课程设计的核心目标。它做的事很直接输入一张眼底彩照输出视盘和视杯的分割掩膜再算出杯盘比这类量化指标。它能解决的是标注效率低、青光眼初筛指标不稳定的问题。适合正在做医学图像课程设计的学生、刚入门分割任务的开发者以及想了解计算机视觉怎么在医疗小目标场景落地的人。2. 视杯和视盘分割为什么难做从解剖结构到技术选型2.1 视杯和视盘在眼底图像里是什么分割任务的目标是什么视盘全称视神经盘是视网膜上视神经穿出的位置在眼底彩照里表现为一个边界相对清晰、颜色偏黄的椭圆区域。视杯是视盘中央的凹陷颜色更亮周围被神经纤维和血管包裹。青光眼患者的视杯随病情发展逐渐扩大医生通过杯盘比这个指标做初筛杯盘比超过0.5就需要进一步检查超过0.8基本可以判断为进展期。因此分割出视盘和视杯不只是图像处理任务它直接服务于一个临床量化指标的计算。分割任务的输入是一张眼底彩照常见分辨率在1440×960到2048×1536之间输出是和输入尺寸一致的掩膜图每个像素被标记为背景、视盘或视杯三类。课程设计里还会进一步要求从掩膜计算杯盘比、视盘面积、视杯面积等数值这些输出要能和医生的手工标注做误差对比。难在哪第一目标小。视盘大约只占图像面积的十分之一视杯更小模型很容易学会“输出全背景”来刷低损失。第二边界模糊。视杯边缘在正常眼底图中对比度低尤其被血管遮挡的一段标注本身就带有主观性。第三图像风格差异大不同眼底相机的光照、饱和度、暗角都不同模型容易过拟合到某一种拍摄风格换一组数据就翻车。2.2 传统图像处理方法为什么做不好这个任务早期的课程设计常用阈值分割、边缘检测加形态学处理。做法很直白把图像转到灰度空间用OTSU找高亮区域再用圆形拟合视盘边界。对质量好、光照均匀的图这套流程确实能跑通看起来也像那么回事。但一换到有真实噪声的数据就露馅了。眼底图像有四个典型的干扰源暗角让周边偏暗、血管穿过视盘区域造成边缘断裂、病变渗出物产生高亮伪影、个体差异让视盘颜色从淡黄到深黄变化。阈值分割的隐含假设是前景和背景灰度可分离在这个任务里基本不成立。主动轮廓模型效果稍好但需要人工设置初始轮廓几十张图跑下来还要逐张调参效率太低也不满足课程设计要求的“自动分割”。传统方法不是不能用而是作为主方案投入产出比太差。更关键的是传统方法只能处理“视盘”这种亮色大目标对“视杯”这种边缘更不清晰的凹陷区域几乎束手无策。视杯的判断依据不是颜色而是凹陷产生的纹理和阴影关系这种特征很难用固定函数建模需要从大量标注里学出来。2.3 选U-Net而不选更重模型的三点理由第一U-Net的设计和医学图像特点吻合。医学图像数据集通常只有几百张U-Net通过编码器-解码器结构和跳跃连接把浅层细节特征和高层语义特征融合参数规模在十几万到几十万级别小数据集上不容易过拟合。第二U-Net在眼底分割方向的公开论文和开源实现最多遇到问题好查资料踩坑有前人在前面垫着。第三课程设计的硬件有限很多同学只有普通笔记本或一张消费级显卡U-Net在512×512输入下显存占用约1~2GB可以流畅训练。对比DeepLabV3、Mask R-CNN等模型它们在小数据集和有限显存下没有压倒性优势调参成本却更高。再往后是Transformer分割模型效果好但依赖大规模预训练权重课程设计环境里下载和部署都不方便。所以常见做法是主模型用U-Net选修部分再加一个不同编码器的变体做对比比如用ResNet34做编码器的U-Net跑两组实验对比指标这种深度已经足够支撑一篇高分课程设计。3. 搭建眼底图像分割数据集公开数据来源、预处理代码与数据增强3.1 公开数据集怎么选、怎么划分标注怎么统一眼底图像分割的公开数据集包括RIM-ONE、ORIGA、REFUGE和DRIVE。DRIVE是血管分割数据集只有血管标注没有视杯视盘标注不适合直接用。RIM-ONE有三个版本第三个版本标注质量较好但样本量少适合做验证集。ORIGA有650张图样本量适中是课程设计里的常见选择。REFUGE是挑战赛数据标注规范但部分版本只提供训练集标注测试集需要在线评估。下载数据集时要先确认科研使用许可。大多数眼底数据集只允许非商业研究课程设计属于教育用途但要拿到原始图像的话需要填写申请或签署协议这部分流程要在文档说明里写清楚。答辩评阅老师最常问的就是数据从哪来的、标注是谁给的回答不上来会扣分。划分数据时有个隐蔽的坑不能随机切分。同一个患者的双眼图像如果同时进入训练集和验证集验证指标会虚高因为模型记住了这个患者的纹理特征而不是通用的解剖结构。我习惯的做法是按患者ID分组再按8:1:1切训练、验证、测试。如果数据集没有提供患者ID至少要查看文件名列表确认同一患者的多张图像被分到同一个集合。还有一项容易被忽略的工作是标注格式统一。不同数据集的掩膜编码方式不一样有的把视盘标为1、视杯标为2有的反过来有的只有一个二值图需要从颜色值反推类别。我一般会先写一个统计脚本打印训练集里所有标注的像素类别和数量确认背景、视盘、视杯分别对应哪个整数值再在源码里写死这个映射关系防止训练时标签错位。3.2 裁剪黑边与归一化先让数据处在同一坐标系眼底相机拍出来的图有很宽的黑色边框直接缩放会把大量背景像素纳入计算既拖慢训练又干扰模型。常见的做法是先裁剪出眼底圆形区域再缩放把有效像素集中在目标区域。import cv2 import numpy as np def crop_fundus_roi(image, labelNone, target_size(512, 512)): 裁剪眼底圆形区域并统一尺寸。 image: 彩色眼底图 (H, W, 3)OpenCV 默认 BGR 顺序 label: 可选掩膜图单通道 uint80背景1视盘2视杯 target_size: 模型输入尺寸 gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 眼底圆形区域在黑色背景上灰度值较高OTSU 可以稳定区分 _, threshold cv2.threshold(gray, 10, 255, cv2.THRESH_BINARY) contours, _ cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 取最大轮廓作为眼底区域排除散落的噪点 largest_contour max(contours, keycv2.contourArea) x, y, w, h cv2.boundingRect(largest_contour) image image[y:y h, x:x w] if label is not None: label label[y:y h, x:x w] # 图像用线性插值标签用最近邻插值避免标签产生不存在的类别 image cv2.resize(image, target_size, interpolationcv2.INTER_LINEAR) if label is not None: label cv2.resize(label, target_size, interpolationcv2.INTER_NEAREST) # 归一化到 [0,1]注意这里会把图像类型变成 float32 image image.astype(np.float32) / 255.0 return image, label逻辑说明代码先把图像转灰度用固定阈值10过滤掉纯黑背景再用OTSU做二值化找到眼底区域的外轮廓。这里用cv2.boundingRect拿外接矩形裁剪比基于圆心和半径的裁剪更鲁棒因为有些眼底图不完全是正圆。裁剪后统一缩放至512×512保证同一batch内张量形状一致。参数说明阈值10的作用是排除纯黑像素的干扰不需要调得很精细target_size建议取512取1024会成倍增加显存和时间开销取256会丢失视杯边缘细节视杯本身太小分辨率不足时更难分割。标签必须用INTER_NEAREST线性插值会在类别交界处产生0.5这类非整数值等于凭空多出类别训练时会造成混乱。3.3 数据增强图像和标签必须经过完全相同的变换眼底数据集样本量通常只有一两百张不做增强训练出来的模型非常容易过拟合。我用到的增强组合是水平翻转、垂直翻转、±15度旋转、亮度扰动。翻转和旋转不会破坏解剖结构是最安全的增强亮度扰动模拟不同眼底相机的光照差异弹性形变效果更好但参数多、容易把视盘形状拉变形课程设计里可做可不做。import numpy as np import cv2 def random_augment(image, label, max_angle15): 训练时随机增强。image 和 label 必须经过完全相同的几何变换。 if np.random.random() 0.5: image cv2.flip(image, 1) # 水平翻转 label cv2.flip(label, 1) h, w image.shape[:2] angle np.random.uniform(-max_angle, max_angle) matrix cv2.getRotationMatrix2D((w // 2, h // 2), angle, 1.0) image cv2.warpAffine(image, matrix, (w, h), flagscv2.INTER_LINEAR) label cv2.warpAffine(label, matrix, (w, h), flagscv2.INTER_NEAREST) if np.random.random() 0.3: # 亮度扰动乘以一个 [0.8, 1.2] 区间的系数 brightness np.random.uniform(0.8, 1.2) image np.clip(image * brightness, 0.0, 1.0) return image, label逻辑说明增强函数同时接收图像和标签保证几何变换完全同步。旋转用cv2.warpAffine图像用线性插值保持平滑标签用最近邻插值防止类别混淆。亮度扰动放在最后只作用于图像因为标签和光照无关。参数说明翻转概率0.5旋转范围±15度超过15度会让视盘形状发生不合理畸变亮度系数0.8~1.2过大会让图像过曝过小会让视杯边缘彻底看不清。增强只在训练阶段使用验证和测试阶段只做裁剪和归一化。推理脚本里不要调用这个函数否则结果会和训练时的数据分布不一致。4. 用Python实现U-Net视杯视盘分割核心代码与训练参数4.1 U-Net模型如何用PyTorch构建代码注释怎么写U-Net的结构分三条主线编码器逐层下采样提取语义特征解码器逐层上采样恢复分辨率跳跃连接把编码器特征和解码器特征拼接让网络同时拥有全局上下文和局部细节。视杯边界模糊、视盘边缘被血管遮盖这一类问题正需要跨尺度的信息融合。下面是一个可运行的U-Net精简版去掉了复杂的初始化技巧保留了结构主干适合作为课程设计源码展示。import torch import torch.nn as nn class ConvBlock(nn.Module): 两次卷积 批归一化 ReLUU-Net 的基本构建单元。 def __init__(self, in_channels, out_channels): super().__init__() self.block nn.Sequential( nn.Conv2d(in_channels, out_channels, 3, padding1), nn.BatchNorm2d(out_channels), nn.ReLU(inplaceTrue), nn.Conv2d(out_channels, out_channels, 3, padding1), nn.BatchNorm2d(out_channels), nn.ReLU(inplaceTrue) ) def forward(self, x): return self.block(x) class UNet(nn.Module): def __init__(self, in_channels3, out_channels3): super().__init__() # 编码器部分逐步下采样提取特征 self.enc1 ConvBlock(in_channels, 64) self.enc2 ConvBlock(64, 128) self.enc3 ConvBlock(128, 256) self.enc4 ConvBlock(256, 512) self.pool nn.MaxPool2d(kernel_size2, stride2) # 瓶颈层 self.center ConvBlock(512, 1024) # 解码器部分转置卷积上采样 跳跃连接拼接 双重卷积 self.up4 nn.ConvTranspose2d(1024, 512, kernel_size2, stride2) self.dec4 ConvBlock(1024, 512) self.up3 nn.ConvTranspose2d(512, 256, kernel_size2, stride2) self.dec3 ConvBlock(512, 256) self.up2 nn.ConvTranspose2d(256, 128, kernel_size2, stride2) self.dec2 ConvBlock(256, 128) self.up1 nn.ConvTranspose2d(128, 64, kernel_size2, stride2) self.dec1 ConvBlock(128, 64) # 最终分类层 self.out_conv nn.Conv2d(64, out_channels, kernel_size1) def forward(self, x): e1 self.enc1(x) e2 self.enc2(self.pool(e1)) e3 self.enc3(self.pool(e2)) e4 self.enc4(self.pool(e3)) center self.center(self.pool(e4)) d4 self.dec4(torch.cat([self.up4(center), e4], dim1)) d3 self.dec3(torch.cat([self.up3(d4), e3], dim1)) d2 self.dec2(torch.cat([self.up2(d3), e2], dim1)) d1 self.dec1(torch.cat([self.up1(d2), e1], dim1)) return self.out_conv(d1)对代码的说明in_channels3对应RGB眼底彩照out_channels3对应背景、视盘、视杯三类。没有把输出通道设成2的原因很简单背景像素占比太大把背景作为一类参与损失计算模型学习才稳定。跳跃连接使用torch.cat时通道数是相加关系up4(center)输出512通道和编码器特征e4的512通道拼成1024再送入dec4这是最容易写错的地方。out_conv用1×1卷积把64通道映射到3通道输出训练阶段直接用logits算损失推理阶段再对通道维度做softmax取最大概率的类别。源码里的注释写到什么程度合适关键函数给出“输入、输出、作用”三行信息结构模块标注它负责做什么避免在每行代码后面写拼音式注释。评阅老师更看重你能在答辩时把网络结构和损失函数讲明白注释是辅助你讲解的提词器不是装饰品。4.2 损失函数选择与训练参数设定对分割任务来说最常见的损失函数组合是交叉熵加Dice Loss。交叉熵逐像素优化分类准确率Dice Loss优化区域重叠度两者一起用能同时照顾像素级准确率和区域级形状。def dice_loss(pred, target, smooth1e-5): 计算多类别 Dice Loss。 pred: [B, 3, H, W]已经过 softmax 的概率输出 target: [B, 3, H, W]one-hot 编码的真实标签 intersection (pred * target).sum(dim(2, 3)) union pred.sum(dim(2, 3)) target.sum(dim(2, 3)) return 1 - (2 * intersection smooth) / (union smooth) def combined_loss(logits, target): 交叉熵 Dice Loss 的加权组合。 logits: UNet 原始输出未过 softmax target: [B, H, W] 类别索引数值为 0, 1, 2 ce_loss nn.CrossEntropyLoss()(logits, target) pred_softmax torch.softmax(logits, dim1) # 将类别索引转成 one-hot 编码 target_onehot torch.eye(3, devicetarget.device)[target].permute(0, 3, 1, 2) dice dice_loss(pred_softmax, target_onehot) return ce_loss dice逻辑说明CrossEntropyLoss接收未归一化的logits内部自己完成softmax所以UNet的输出不要提前做softmax。Dice Loss需要概率值因此单独对logits做softmax并把类别索引转成one-hot编码。smooth防止某个类别在整张图中都不存在时出现除零错误。训练参数的参考值和调整思路参数参考值调整要点输入尺寸512×512显存不足时先降到384不要直接降batch sizebatch size8~168GB以下显存建议8配合BN层统计量更稳定初始学习率1e-4使用Adam优化器每10个epoch衰减到原来的0.5epoch50~80用验证集Dice决定是否保存模型别只看训练损失优化器Adam收敛快课程设计不需要追求SGD的精细微调我一般用学习率1e-4跑60个epoch、batch size8、输入512。这个配置在GTX 1050 Ti上约40分钟一个完整训练周期在纯CPU上大约需要半天符合课程设计的时间预算。训练循环里要记录每个epoch的训练损失和验证Dice把数值打印到控制台的同时保存一份到日志文件写文档时直接用这些数据画曲线。课程设计交付的文档说明里要写清楚网络结构图、每个参数的设置理由、训练和评估的完整命令。截图演示不要只放一张输出图把训练损失曲线、验证Dice曲线、输入原图、标注真值、预测掩膜按顺序排列评阅老师一眼就能看出你做了什么优化。4.3 用Dice系数和IoU做验证指标怎么算分割任务里准确率不能用背景占绝对多数模型全预测成背景也有95%以上准确率数字好看但没有实际意义。课程设计里更常看两个指标Dice系数和IoU。Dice衡量预测区域与真值区域的相似度IoU衡量重叠程度两者在目标较小时对错误更敏感。def dice_score(pred_mask, target_mask, smooth1e-5): pred_mask 和 target_mask 都是二值化后的 numpy 数组值为 0 或 1。 intersection (pred_mask * target_mask).sum() return (2 * intersection smooth) / (pred_mask.sum() target_mask.sum() smooth) def iou_score(pred_mask, target_mask, smooth1e-5): intersection (pred_mask * target_mask).sum() union pred_mask.sum() target_mask.sum() - intersection return (intersection smooth) / (union smooth)逻辑说明评估阶段先把预测概率图按阈值0.5转成二值掩膜再与标注的对应类别区域逐像素比较。这两个函数分别对视盘类别和视杯类别调用得到两个独立的指标。答辩时如果能分别说出视盘Dice和视杯Dice比只给一个总体平均值专业得多。阈值0.5不是一成不变的。如果预测概率图整体偏低、视杯几乎全部低于0.5可以在验证集上做阈值扫描看Dice曲线的峰值位置。文档说明里补一小段“阈值优化实验记录”写清楚扫描范围和最优阈值这类细节很加分。5. 避坑与常见问题排查这五处最容易让视杯视盘分割翻车5.1 训练损失一直在降Dice系数却不涨现象训练日志里损失从1.5降到0.7曲线很健康但验证集Dice始终在0.5左右徘徊输出的预测图几乎全是背景。原因背景像素占图像90%以上交叉熵损失主要由背景贡献模型学会了把大块区域判成背景视盘和视杯面积占比小对损失的贡献被稀释。这个问题在视杯分割上更严重视杯区域太小损失函数里基本没有人管它。解决把损失函数换成“交叉熵Dice”组合或者单独使用Dice Loss在预处理阶段用裁剪函数把眼底ROI切出来缩小背景比例在损失函数里对视杯类别加权重。常见做法是给视杯类别的交叉熵权重乘1.5到2让模型被迫重视这个小目标。如果加了权重后视杯Dice涨了但视盘Dice降了再调回1.2左右寻找平衡点。5.2 视盘分得不错视杯却总是缺一块或被血管切断现象视盘的边界和位置基本正确但视杯预测结果支离破碎经常漏掉血管穿过的部位杯盘比算出来明显偏小。原因视杯边界在图像上本来就模糊标注时不同医生画出来的差异很大血管的暗色纹理会干扰视杯区域的特征提取网络把血管阴影误当成视杯边界。如果训练集里标注本身不统一模型学习到的边界就是一个平均模糊地带。解决训练时对视杯边界区域加大损失权重。常见做法是对标注做距离变换离边界越近的像素权重越大生成一张边界权重图和损失逐像素相乘。也可以在可视化阶段把原图和视杯标注叠加检查确认标注质量没有系统性偏差。如果标注本身跨医生不一致后期再怎么调模型都有天花板。5.3 训练集Dice达到0.98验证集却只有0.7现象曲线在训练集上一路走高验证集波动明显两者差距持续拉大典型的过拟合外观。原因最常见的不是数据量小而是数据泄漏。同一患者的双眼图像同时出现在训练集和验证集模型记住了这个患者的眼底特征换到新患者上就露馅。其次是增强不足模型学到的是某台相机的拍摄风格而不是解剖结构。解决按患者ID划分数据确保同一个人的所有图像只出现在一个集合中。增强策略上把旋转范围扩大到±15度、加上亮度扰动验证集上的方差会明显减小。如果增强加上后训练集Dice轻微下降这是正常的换取的是验证集更稳定、测试集上表现更可信。5.4 训练好的模型在预览图上输出全黑或全白现象用训练好的模型跑一张测试图输出掩膜不是全黑就是全白看起来像没训练过。原因推理时和训练时的预处理不一致。两类错误最常见一是漏了归一化训练时图像除以255推理时直接输入0到255的uint8数值范围差出255倍二是图像通道顺序不同训练用RGBOpenCV读的是BGR模型看到的颜色通道全是反的。解决把预处理函数单独抽成一个公共模块训练脚本和推理脚本都从同一个模块导入保证完全一致。推理入口处打印输入张量的均值和方差与训练时的统计量对比能快速定位是归一化问题还是通道顺序问题。这个排查习惯能省下大量无效调试时间。5.5 显存不足时调小batch size分割效果反而明显变差现象batch size8时显存溢出改成2后能跑但验证Dice掉了5个百分点以上训练过程也不稳定。原因BatchNorm在小batch下统计量不稳batch size2时每个batch的均值和方差波动很大BN层记录的不是全局统计量网络训练噪声变大。显存不够时直接减batch size是最省事但最不正确的做法。解决优先把输入尺寸从512降到384显存占用约减少到原来的60%信息损失相对可控如果必须保持小batch把卷积层里的BatchNorm2d换成GroupNorm。GroupNorm在小batch下表现稳定只改一行层定义其他代码不用动。6. 课程设计加分的后处理技巧从分割结果到答辩素材6.1 用连通域过滤掉分割碎块网络预测的掩膜常常带有细小的误检区域比如亮斑被当成视盘、血管交叉处被当成视杯。一个成熟的做法是用连通域分析只保留面积最大的连通域这是分割后处理里性价比最高的一步。def keep_largest_component(mask): mask: 单通道二值图 (H, W)保留面积最大的连通域。 num, labels, stats, _ cv2.connectedComponentsWithStats(mask, connectivity8) if num 2: return mask # stats[0] 是背景从索引 1 开始找最大连通域 largest_idx 1 np.argmax(stats[1:, cv2.CC_STAT_AREA]) return (labels largest_idx).astype(np.uint8)注意这个操作有前提视盘是整张图里面积最大的前景目标这个假设在绝大多数眼底图上成立。如果遇到病理性图像视盘区域出现严重病变、亮斑面积超过视盘最大连通域可能不是目标。在处理前先统计测试集里连通域的面积分布确认假设成立再用并在文档里写明这个边界条件。6.2 分别评估视盘和视杯把误差摊开看把视盘和视杯的Dice混在一起算平均值会掩盖视杯分割差的问题。正确做法是每个测试样本都输出一组指标视盘Dice、视杯Dice、杯盘比误差。杯盘比是临床上的关键指标计算方法是视杯直径除以视盘直径传统做法靠医生手工测量你的程序如果能自动算出这个数即使分割指标不算顶尖临床意义也能讲通。6.3 把推理脚本封装成命令行工具不要每次跑测试都改Python文件里的文件名。用argparse写一个简单的命令行接口接收图像路径、模型权重路径和输出目录三个参数让评阅老师也能直接运行。import argparse parser argparse.ArgumentParser(description眼底图像视杯视盘分割推理) parser.add_argument(--image, typestr, requiredTrue, help输入眼底图像路径) parser.add_argument(--weight, typestr, requiredTrue, help训练好的模型权重路径) parser.add_argument(--out_dir, typestr, defaultresults, help分割结果输出目录) args parser.parse_args()6.4 截图演示的分类保存习惯我自己的一个教训是课程设计到后期几乎都在跟标注和预处理搏斗真正调模型结构的时间只占一小部分。早点把数据集整理干净、把评估脚本写对比反复堆网络结构更省时间。保存结果时按“成功案例”“失败案例”“边界模糊案例”三个文件夹分类评阅老师问缺点时你就拿出预先整理好的典型失败图边解释原因边展示比临时翻结果目录有说服力得多。如果这篇笔记能让你少走一趟预处理和指标计算的黑匣子弯路那就值得了。希望帮到你。本文还有配套的精品资源点击获取