PyTorch与ResNet复现医学图像分类：从环境到论文实践

深度学习医学交叉这几年一直是热门方向，很多人一开始都是从通用图像分类入手的，但真正进到医学影像场景时，会发现情况不太一样。数据格式、类别不平衡、小样本、标注质量、设备差异，这些问题都会直接影响模型能不能落地。PyTorch 和 ResNet 的组合是目前最稳妥的入门路线，也是论文复现时最常见的基准模型。这篇内容围绕“论文带读 + 代码复现”来展开，先讲清楚医学图像分类和通用分类的差异，再给出可执行的环境配置、数据准备、模型训练、评估和推断流程，最后补上复现论文时容易踩的坑。

这类主题最值得先看的，不是背下来多少层结构，而是能不能在本地环境里完整跑通一条实验链路：数据进来之后怎么预处理，模型怎么加载预训练权重，训练时哪些参数最影响结果，测试时怎么算指标，以及最终怎么把模型导出用于新的图片预测。下面按实际落地顺序拆一遍。

1. 先理解医学图像分类和普通图像分类的差异在哪里

很多人第一次做医学图像分类，直接套用 ImageNet 上的训练流程，结果发现验证集精度很高，换到新数据上就不行。这不是模型本身的问题，而是医学图像分类和自然图像分类在数据分布、评价标准、任务目标上有本质差异。

1.1 医学图像分类解决的是什么问题

医学图像分类本质上还是图像分类，输入是一张二维或三维图像，输出是类别标签。常见任务包括：

• 病理切片图像分类，判断某区域属于肿瘤还是正常组织。
• 眼底图像分类，识别糖尿病视网膜病变等级。
• 皮肤镜图像分类，区分良性痣和黑色素瘤。
• 胸部 X 光图像分类，判断是否包含肺炎病灶。
• MRI 影像分类，辅助阿尔茨海默病等疾病的筛查。

这些任务有一个共同点：类别之间差异可能很小，背景复杂，而且标注成本很高。比如皮肤病变图像，良性和恶性之间可能只差一个颜色变化或边缘形态，普通分类模型很容易被背景干扰带偏。

所以医学图像分类里，数据预处理和模型设计的重要性，有时候比模型结构本身更大。

1.2 ResNet 为什么适合作为医学图像分类的基线

ResNet 的核心思想是残差学习。它通过跳跃连接让梯度可以更顺畅地回传，从而支持训练更深的网络。对于医学图像数据量通常不大的情况，ResNet 有几个非常实际的优势：

• 有成熟的 ImageNet 预训练权重，可以直接迁移学习。
• 结构成熟，PyTorch 官方 torchvision 自带，不需要自己从零实现。
• 不同层数可以按数据规模选择：数据量小用 ResNet18 或 ResNet34，数据量较大再考虑 ResNet50 以上。
• 训练技巧成熟，学习率、优化器、数据增强的通用经验基本可以直接复用。

做论文复现时，ResNet 也经常作为对比实验里的 baseline 模型出现。先把 ResNet 跑通，再替换成新的注意力模块、Transformer 结构或其他优化方法，这是最常用的复现思路。

1.3 医学图像分类里最容易忽略的三个要点

第一是类别不平衡。很多时候阳性样本只有几百张，阴性样本有几千甚至上万张。直接用交叉熵损失，模型会倾向于把大部分样本预测为多数类。这时候要看的不只是准确率，还需要看精确率、召回率、F1-score 和混淆矩阵。

第二是数据划分方式。医学数据常常来自不同患者、不同设备、不同中心。如果划分时不做患者级别隔离，同一个患者的多张图片可能同时出现在训练集和验证集里，导致验证指标虚高。

第三是预处理一致性。训练时的归一化参数、图像尺寸、灰度通道处理方式，推断时也必须保持一致。很多人模型训练得很好，最后部署时图片尺寸和归一化方式不一致，结果完全不能用。

2. 环境准备：PyTorch、GPU、依赖库怎么搭配最省事

复现代码的第一步不是写模型，而是把环境搭好。环境问题占了初学者报错的一半以上。这里给一套稳妥的配置顺序，适合在 Windows 或 Ubuntu 上操作。

2.1 先确认 PyTorch 版本和 CUDA 的对应关系

PyTorch 安装时最容易出问题的是 CUDA 版本不匹配。判断标准很简单：先看显卡驱动支持的 CUDA 版本，再安装对应版本的 PyTorch。

如果机器上有 NVIDIA 显卡，先在终端执行：

nvidia-smi

输出里右上角会显示 Driver Version 和 CUDA Version。这里显示的 CUDA Version 是驱动支持的最高版本，不一定要和 PyTorch 的 CUDA 版本完全一致，PyTorch 运行时要求的是驱动版本不能低于某个门槛。

安装 PyTorch 现在最推荐去 PyTorch 官网生成对应的安装命令。比如：

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121

如果机器没有 NVIDIA 显卡，可以安装 CPU 版本：

pip install torch torchvision

CPU 版本能跑通代码、能做小规模实验，但训练速度会明显变慢。如果只是复现论文和验证结构，CPU 环境也可以接受，但 batch size 和图像尺寸要相应调小。

注意：不要一上来就装最新版 PyTorch。先确认自己的 torchvision 版本、Python 版本和 CUDA 版本能匹配，否则运行时会报 “Detected that PyTorch and torchvision were compiled with different CUDA versions” 之类的错误。

2.2 用 Anaconda 创建独立环境

强烈建议用 conda 创建独立环境，不要直接在 base 环境里装东西。长期开发中，不同项目依赖的 PyTorch 版本可能不一样，独立环境可以避免版本冲突。

conda create -n medical_resnet python=3.9 conda activate medical_resnet pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121

可选装的基础库：

pip install numpy pandas matplotlib scikit-learn tqdm pillow opencv-python

如果你的任务会用到医学影像专用格式，比如 DICOM 或 NIfTI，还需要额外装：

pip install pydicom pip install nibabel

2.3 验证 PyTorch 环境是否可用

环境配置完成后，先跑一段很小的代码确认：

import torch import torchvision print(torch.__version__) print(torchvision.__version__) print(torch.cuda.is_available())

如果torch.cuda.is_available()输出为 False，但有 NVIDIA 显卡，大概率是 CUDA 版本或驱动版本问题。如果输出 True，可以继续查看 GPU 名称：

print(torch.cuda.get_device_name(0))

这一小步非常关键。很多后续报错都源于环境没验证通过就急着跑训练脚本，结果连模型都没加载就崩了。

3. 数据集准备：命名、目录结构和预处理决定一半结果

医学图像分类的数据集来源很多，常见的有公开数据集和自己收集的临床数据。无论哪种，建议先整理成统一的目录结构，方便后续写 Dataset。

3.1 推荐的数据目录结构

最简单的做法就是按类别分文件夹：

data/ train/ normal/ 001.jpg 002.jpg disease/ 001.jpg 002.jpg val/ normal/ 001.jpg disease/ 001.jpg test/ normal/ 001.jpg disease/ 001.jpg

这种结构可以直接配合torchvision.datasets.ImageFolder使用，不需要自己解析 JSON 或 CSV。对于分类任务来说，这是最省事的方式。

如果数据量特别大，或者类别信息存在 CSV 里，也可以自定义 Dataset。但对于复现论文的初期阶段，推荐先用简单的目录结构跑通流程。

3.2 数据预处理参数怎么设置

医学图像预处理通常包含以下内容：

from torchvision import transforms train_transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(), transforms.RandomRotation(10), transforms.ColorJitter(brightness=0.2, contrast=0.2), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) val_transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ])

这里需要注意几点：

• mean和std使用的是 ImageNet 的统计值，因为加载的是 ImageNet 预训练权重。如果自己从零训练，可以用训练集的均值和方法重新计算。
• 验证集和测试集一般只做尺寸调整和归一化，不做随机增强。目的是模拟模型在真实数据上的表现。
• 如果医学图像是灰度图，需要先转成三通道，否则无法直接加载预训练权重。常见做法是：

from PIL import Image img = Image.open(path).convert('RGB')

3.3 小样本场景下如何扩充数据

医学图像分类里小样本是常态。如果每个类别只有几十张图，直接训练很容易过拟合。可以先用以下几种方式扩充：

• 随机翻转、旋转、平移、缩放。
• 颜色抖动，模拟不同设备、不同光照条件下的图像差异。
• 高斯噪声、模糊等模拟采集噪声。

但要注意，不是所有医学任务都适合颜色抖动。比如病理图像中的颜色信息可能直接和染色方式相关，过度改变颜色反而会破坏语义。更稳妥的做法是先做翻转和旋转这类几何增强，再决定是否加颜色增强。

4. 模型构建：用 PyTorch 加载 ResNet 预训练模型

ResNet 在 PyTorch 中可以直接通过 torchvision 加载，不需要手动实现每一个残差块。如果只是复现论文，官方实现已经足够稳定。

4.1 加载 ResNet18 并修改分类头

import torch import torch.nn as nn import torchvision.models as models model = models.resnet18(pretrained=True) num_features = model.fc.in_features num_classes = 2 model.fc = nn.Linear(num_features, num_classes)

这段代码做了三件事：

• 加载在 ImageNet 上预训练的 ResNet18 权重。
• 获取原始全连接层的输入维度，ResNet18 是 512，ResNet50 是 2048。
• 替换最后一层为类别数对应的全连接层。

这里直接把最后一层替换成nn.Linear(num_features, num_classes)是可以的。如果想要更精细的迁移学习，也可以把最后的 fc 层改成包含 Dropout 和全连接的多层结构，但大多数场景下一层全连接就够用。

4.2 ResNet18、ResNet34、ResNet50 怎么选

选择原则很简单：

• 数据量很少，比如每类几百张，优先 ResNet18。参数少，不容易过拟合，训练快。
• 数据量中等，每类几千张，可以试 ResNet34 或 ResNet50。
• 数据量很大且计算资源充足，再考虑 ResNet50 以上，或者和其他更复杂模型做对比。

医学图像分类任务里，Not all data is equal。如果病灶区域很小，比如肺结节在整张 X 光片里只占很小一块，ResNet18 不一定够用。这种场景下需要关注的不是单纯加深网络，而是输入分辨率、注意力机制和局部区域裁剪。

4.3 冻结底层特征还是微调全部参数

迁移学习时有两种常见策略：

• 只训练最后的全连接层，冻结前面的卷积层。
• 全部参数一起微调。

初学阶段建议先全部微调，但设置一个较小的学习率，比如0.0001。因为医学图像和 ImageNet 图像差异较大，冻结底层可能导致模型无法适应医学图像的纹理特征。

如果你想固定卷积层特征，可以这样做：

for param in model.parameters(): param.requires_grad = False for param in model.fc.parameters(): param.requires_grad = True

这种方式适合目标数据集和 ImageNet 分布非常接近的情况，或者数据量非常少、担心过拟合时使用。

5. 训练流程：数据加载、损失函数、优化器和训练循环

训练脚本是复现论文里占用时间最多的部分。如果只是验证模型能不能跑，可以直接用通用训练循环。如果要达到论文报告的精度，就需要逐步调参了。

5.1 数据加载器怎么写

from torch.utils.data import DataLoader from torchvision.datasets import ImageFolder train_dataset = ImageFolder('data/train', transform=train_transform) val_dataset = ImageFolder('data/val', transform=val_transform) train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True, num_workers=4) val_loader = DataLoader(val_dataset, batch_size=32, shuffle=False, num_workers=4)

shuffle=True只在训练集设置，验证集不用打乱。num_workers在 Windows 上经常出错，如果遇到 DataLoader worker 崩溃，可以先设为 0：

train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True, num_workers=0)

在 Linux 服务器上，num_workers可以按 CPU 核数上调，但并不是越大越好。医学图像解码本身耗时，如果 CPU 核数有限，num_workers设太高反而会增加进程切换开销。

5.2 损失函数和优化器

import torch.optim as optim criterion = nn.CrossEntropyLoss() optimizer = optim.Adam(model.parameters(), lr=0.0001) scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=10, gamma=0.1)

交叉熵损失是分类任务的首选。如果遇到非常严重的类别不平衡，可以先不用自定义损失，而是通过class_weight参数给少数类更高权重：

criterion = nn.CrossEntropyLoss(weight=torch.tensor([1.0, 3.0]))

这里的[1.0, 3.0]表示第二个类别权重更大。具体值要根据类别比例计算，比如多数类和少数类数量比是 10:1，可以设为[1.0, 10.0]，但实际效果需要验证。

Adam 和 SGD 都可以。经验上，如果使用 ImageNet 预训练模型，SGD 配合学习率衰减往往更稳定；而 Adam 的优势是收敛快、对学习率更不敏感。复现论文时，先看原论文用的是哪个优化器，如果没有明确说明，可以先从 Adam 开始。

5.3 基础训练循环

def train_one_epoch(model, loader, criterion, optimizer, device): model.train() running_loss = 0.0 correct = 0 total = 0 for images, labels in loader: images = images.to(device) labels = labels.to(device) outputs = model(images) loss = criterion(outputs, labels) optimizer.zero_grad() loss.backward() optimizer.step() running_loss += loss.item() * images.size(0) _, predicted = torch.max(outputs, 1) total += labels.size(0) correct += (predicted == labels).sum().item() epoch_loss = running_loss / total epoch_acc = correct / total return epoch_loss, epoch_acc

这里每步都做了一次optimizer.zero_grad()，这是标准做法，避免梯度累积。

验证时需要注意model.eval()和torch.no_grad()：

def validate(model, loader, criterion, device): model.eval() running_loss = 0.0 correct = 0 total = 0 with torch.no_grad(): for images, labels in loader: images = images.to(device) labels = labels.to(device) outputs = model(images) loss = criterion(outputs, labels) running_loss += loss.item() * images.size(0) _, predicted = torch.max(outputs, 1) total += labels.size(0) correct += (predicted == labels).sum().item() epoch_loss = running_loss / total epoch_acc = correct / total return epoch_loss, epoch_acc

5.4 主训练循环和模型保存

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = model.to(device) num_epochs = 50 best_val_acc = 0.0 for epoch in range(num_epochs): train_loss, train_acc = train_one_epoch( model, train_loader, criterion, optimizer, device ) val_loss, val_acc = validate(model, val_loader, criterion, device) scheduler.step() print(f"Epoch {epoch+1}/{num_epochs} | " f"Train Loss: {train_loss:.4f} | Train Acc: {train_acc:.4f} | " f"Val Loss: {val_loss:.4f} | Val Acc: {val_acc:.4f}") if val_acc > best_val_acc: best_val_acc = val_acc torch.save(model.state_dict(), 'best_model.pth')

model.state_dict()只保存模型参数，不保存优化器状态和训练 epoch。推荐保存这个格式用于加载模型预测；如果要断点续训，则需要额外保存优化器状态。

6. 评估模型：准确率不是唯一指标

医学图像分类里，准确率高不等于模型好用。尤其当类别不平衡时，准确率会掩盖模型在少数类上的糟糕表现。

6.1 计算精确率、召回率和 F1-score

from sklearn.metrics import classification_report, confusion_matrix, roc_auc_score def evaluate_model(model, loader, device): model.eval() all_labels = [] all_preds = [] all_probs = [] with torch.no_grad(): for images, labels in loader: images = images.to(device) labels = labels.to(device) outputs = model(images) probs = torch.softmax(outputs, dim=1) _, preds = torch.max(outputs, 1) all_labels.extend(labels.cpu().numpy()) all_preds.extend(preds.cpu().numpy()) all_probs.extend(probs.cpu().numpy()) print(classification_report(all_labels, all_preds)) cm = confusion_matrix(all_labels, all_preds) print("Confusion Matrix:") print(cm) return all_labels, all_preds, all_probs

如果是二分类，还可以计算 AUC：

auc = roc_auc_score(all_labels, [p[1] for p in all_probs]) print(f"AUC: {auc:.4f}")

AUC 只看模型对正负样本排序能力，不依赖具体阈值，所以在医学诊断场景里更常用。

6.2 从混淆矩阵定位问题

混淆矩阵可以直观看出模型在哪个类别上更容易出错。

如果假阴性非常多，说明模型容易漏诊，这在医学场景里通常比假阳性更严重。此时可以：

• 提高少数类权重。
• 调整分类阈值，降低正类判定门槛。
• 收集更多少数类样本。
• 对少数类做更强的数据增强。

如果整体准确率挺好，但某个类别召回率很低，问题大概率出在数据不平衡或特征区分度不够，而不一定是网络结构不够深。

6.3 可视化错误样本

训练结束后，把预测错误的图片收集出来看看，往往能发现标注问题或预处理问题。比如图像方向不一致、病灶被裁剪掉、某些类别本身存在歧义。

这一步在实际工作中非常有用。很多模型性能提不上去，最后发现是数据集本身存在错误标注。

7. 用训练好的模型做单张图片推断

训练完成之后，最终要落到的场景是：输入一张新的医学图像，输出类别和置信度。

7.1 加载模型并预测单张图片

import torch import torchvision.models as models from torchvision import transforms from PIL import Image device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = models.resnet18(pretrained=False) num_features = model.fc.in_features model.fc = torch.nn.Linear(num_features, 2) model.load_state_dict(torch.load('best_model.pth', map_location=device)) model.to(device) model.eval() infer_transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) image = Image.open('test_image.jpg').convert('RGB') image = infer_transform(image).unsqueeze(0).to(device) with torch.no_grad(): outputs = model(image) probs = torch.softmax(outputs, dim=1) confidence, pred = torch.max(probs, dim=1) class_names = ['normal', 'disease'] print(f"Predicted class: {class_names[pred.item()]}") print(f"Confidence: {confidence.item():.4f}")

pretrained=False表示不加载 ImageNet 权重，因为我们随后会用自己训练好的权重覆盖。map_location=device是为了在没有 GPU 的机器上也能加载 GPU 训练出来的权重。

7.2 推断阶段最容易踩的坑

推断阶段最常见的问题是训练和推断预处理不一致。

举一个典型例子：训练时用的是灰度图转三通道，推断时直接读取为 RGB；训练时 Resize 到 224，推断时用了原始尺寸。这些问题不会直接报错，但会导致预测结果明显变差。

另外要注意，如果训练时做了随机的水平翻转等增强，推断阶段不要加随机增强。推断只做固定操作。

8. 论文复现时怎么读代码和调参

复现医学图像分类论文和复现通用图像分类论文，思路类似，但有几个地方要格外仔细。

8.1 先复现数字，再理解方法

建议按这个顺序来读一篇论文和相关代码：

1. 确认任务：分类对象是什么，类别数是多少，评价指标是什么。
2. 确认数据集：用了哪个公开数据集，训练集、验证集、测试集怎么划分。
3. 确认模型：backbone 是什么，预训练权重是什么，最后几层怎么改的。
4. 确认训练配置：优化器、学习率、batch size、训练轮数、学习率衰减策略。
5. 确认数据预处理和增强策略。
6. 先把代码跑通，得到和论文接近的数字。
7. 再去看论文里提出的核心改进点，尝试单独修改模型结构或损失函数，观察指标变化。

很多人在第 6 步之前就急着改模型，结果连 baseline 都复现不出来。先复现 baseline，再验证改进，这才是稳妥的复现顺序。

8.2 ResNet 复现时的常用改进方向

如果论文里提出了一种新的注意力模块或特征融合方式，复现时可以先在 ResNet 上做小实验：保留原始 ResNet18，加一个新的模块，对比基线模型和加了模块之后的性能差异。

具体做法是自定义一个新的模型类：

class CustomResNet(nn.Module): def __init__(self, num_classes=2): super().__init__() self.backbone = models.resnet18(pretrained=True) self.backbone.fc = nn.Identity() self.attention = YourAttentionModule() # 自定义模块 self.fc = nn.Linear(512, num_classes) def forward(self, x): features = self.backbone(x) attended = self.attention(features) out = self.fc(attended) return out

这里nn.Identity()用来去掉原始全连接层，让backbone只输出特征向量。之后再接自定义模块和新的分类头。

如果自定义模块比较轻量，可以用相同训练配置做对比实验。如果训练不稳定，优先检查学习率、残差连接和输入输出维度。

8.3 显存不够时的调参顺序

显存不足是复现论文时最常碰到的问题之一。

优先调整以下参数，按危险程度从低到高：

1. 减小 batch size：从 32 减到 16 或 8。
2. 降低输入图像分辨率：从 224 减到 192 或 160，但要重新检查模型对任务是否仍然适用。
3. 使用混合精度训练：torch.cuda.amp可以降低显存占用。
4. 梯度累积：如果 batch size 必须保持 32，可以每次前向 8 张，累积 4 次再更新。

从这里开始，影响会逐渐变大：

5. 换更小的模型，比如 ResNet18 替代 ResNet50。
6. 冻结部分底层卷积层，减少需要计算梯度的参数量。

注意：降低 batch size 通常会影响 BatchNorm 的统计稳定性。如果 batch size 很小，比如 2 或 4，可以考虑使用更大的 batch 做一轮预实验，或者把 BatchNorm 换成 GroupNorm。

9. 常见问题和排查链路

医学图像分类复现过程里，报错和结果异常是常态。遇到问题不要急着怀疑模型结构，按照下面的顺序排查。

9.1 训练开始就报错

如果脚本一运行就报错，优先检查：

• 数据路径是否存在：ImageFolder只能识别按类别分好的文件夹，别把图片直接放 data/train 根目录。
• 图片是否损坏：用 PIL 打开看看，损坏文件会导致 DataLoader 中断。
• 图片通道数：灰度图需要转成 RGB，否则输入维度不匹配预训练模型。
• 标签是否连续从 0 开始：ImageFolder会根据文件夹名按字母排序生成标签，确认类别顺序符合预期。

9.2 模型训练正常但验证集精度一直很低

训练精度和验证精度都很低，说明模型没学到有效特征。优先检查：

• 是否忘记model.train()和model.eval()切换。
• 数据增强是否过强，把语义信息破坏掉了。
• 学习率是否设置过大或过小。
• 标签和图像是否对得上，数据加载有没有错位。
• 预训练模型是否真的加载成功。有时候代码写错，模型从头训练，效果自然差很多。

验证精度正常但测试时不正常，多数情况是预处理不一致或数据分布不同。

9.3 训练损失下降但准确率不上升

这种情况常见于类别极端不平衡。模型学会了输出多数类，损失看起来在下降，但少数类完全没有被识别出来。

这时候要去看混淆矩阵，而不是只看训练损失。如果确认是不平衡，可以用weighted sampler或者类别加权损失。

PyTorch 中可以用WeightedRandomSampler调整采样概率：

from torch.utils.data import WeightedRandomSampler labels = train_dataset.targets class_counts = [sum(labels == i) for i in range(num_classes)] samples_weight = [1.0 / class_counts[label] for label in labels] samples_weight = torch.tensor(samples_weight, dtype=torch.float) sampler = WeightedRandomSampler(samples_weight, num_samples=len(samples_weight), replacement=True) train_loader = DataLoader(train_dataset, batch_size=32, sampler=sampler)

9.4 模型结果震荡不收敛

如果训练损失上下跳动，验证集指标忽高忽低，优先做三件事：

• 降低学习率，比如从0.001降到0.0001。
• 增大 batch size，让梯度的噪声更小。
• 加入学习率衰减，比如每 10 个 epoch 乘以 0.1。

如果仍然不收敛，检查数据是否存在标签噪声，或者类别本身区分度不够。

10. 复现论文后的下一步优化方向

代码跑通、指标达标之后，医学图像分类项目还能继续往下走。这里列出几个常见的延伸方向。

10.1 从单中心到多中心数据的适配

医学图像分类模型真实落地时，常常会遇到设备差异和中心差异。同一个模型在 A 医院数据上效果好，在 B 医院数据上可能明显下降。

遇到这种情况，可以先把多个中心的图像统计信息拉出来对比一下，比如像素均值、方差、图像尺寸、颜色分布。如果差异很大，需要对图像做标准化或域适应，这已经不是单纯改 ResNet 结构能解决的问题。

10.2 从分类到定位

分类只能告诉医生“这张图有没有病”，但医生更需要知道“病灶在哪里”。这时需要从图像分类扩展到目标检测或分割。

ResNet 经常被用作检测或分割模型的 backbone。比如 Faster R-CNN 的骨干网络可以用 ResNet50，U-Net 的编码器部分也可以用 ResNet 结构。这意味着当前分类项目跑通后，你学习到的模型构建和数据流经验可以直接复用到更复杂任务上。

10.3 从单模型到模型集成

医学图像分类对误诊容忍度很低，单模型稳定性有限。一个常见做法是训练多个模型再进行投票或平均：

• 分别训练 ResNet18、ResNet34、ResNet50。
• 也可以训练同一个模型多次，每次用不同的随机种子。
• 推理时对多个模型的 softmax 概率取平均。

模型集成一般能带来稳定提升，但训练和推断成本会成倍增加。要在实际应用中权衡。

11. 关于深度学习环境配置和长期维护的一些建议

PyTorch 环境配置看起来是一步的事情，实际上需要长期维护。版本升级、显卡驱动更新、新项目依赖冲突，这些都是常态。

11.1 记录环境信息

建议在每个项目里维护一个requirements.txt或environment.yml，记录核心依赖和版本：

pip freeze > requirements.txt

如果是 Anaconda 环境，可以：

conda env export > environment.yml

下次换电脑或换服务器，可以直接按这个文件重建环境。

11.2 固定随机种子

训练代码里应该固定随机种子，保证实验可复现：

import random import numpy as np import torch def set_seed(seed=42): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) torch.backends.cudnn.deterministic = True torch.backends.cudnn.benchmark = False

注意，torch.backends.cudnn.deterministic = True会让训练略微变慢，因为算法选择被固定了。如果只是日常调试，可以先关闭，等最终实验时再打开。

11.3 日志和输出管理

复现实验时，一定要把日志记录下来。建议至少记录：

• 每次实验的配置参数。
• 每个 epoch 的损失和准确率。
• 最佳模型对应的验证指标。
• 数据和预处理版本。

可以用简单的文本日志，也可以用 TensorBoard 或 wandb。刚开始不需要引入复杂工具，先保证能回看历史实验。

12. 最后想提醒的几个关键点

医学图像分类和通用分类最大的区别，不在于模型结构，而在于对数据、评价指标和实际应用约束的理解。

第一，不要迷信高准确率。医学场景更关注漏诊率，也就是假阴性。一个把阳性样本漏掉的模型，即使整体准确率再高，也没有临床使用价值。

第二，不要忽略数据本身的特殊性。图像分辨率、成像设备、患者隐私、标注一致性，这些都会影响模型的实际效果。代码能跑通只是开始，能够持续稳定地产出正确结果才是关键。

第三，ResNet 在 2025 年看来已经不是最新鲜的结构，但它依然是复现论文、建立 baseline、验证新方法时最可靠的起点。先把 ResNet 流程吃透，再去看 Transformer、多模态模型和各种新的注意力机制，你会发现核心思路是相通的。

如果只是想复现论文和完成课程项目，按照上面的流程把环境、数据、训练、评估、推断跑通，就足够支撑后续调整了。如果要继续往医学图像算法方向深入，还要补上医学影像格式处理、模型可解释性、多中心验证和合规方面的工作，那已经是另一个阶段的事情。