医学影像分析实战：ResNet、UNet、DeepLabV3+与YOLOv5技术指南

毕设选题拿到“医学影像分析”方向，老师的建议只有一句话：“用深度学习做分类、分割、检测。”但真正动手时发现，网上资料要么只讲单个模型，要么代码跑不通，要么根本不知道 ResNet、UNet、DeepLabV3+、YOLOv5 这些模型该用在哪个环节。本文围绕医学深度学习毕设的真实需求，完整梳理这套多任务技术栈的概念、环境搭建、原理拆解、PyTorch 复现代码、训练注意事项和排错清单。不管你是刚开始搭环境，还是已经跑通一个模型想扩展多任务，都能在这篇文章里找到可以直接复用的内容。

1. 医学深度学习到底在做什么：三类任务和四个模型

1.1 医学图像分析的三类经典任务

医学影像数据非常特殊，一张 CT、一张眼底照片、一张病理切片，往往同时存在多种分析需求。最常见的六类任务是：分类、分割、检测、配准、生成、检索。但绝大多数本科毕设和硕士课题，核心都会落在前三类：

分类任务，回答“这张图有没有病”“属于哪个亚型”。比如判断一张肺部 CT 是否有结节、一张眼底照片是否为糖尿病视网膜病变。输出的是类别标签和概率。

分割任务，回答“病变区域在哪些像素上”。比如把 CT 中的肺结节、脑肿瘤边缘逐像素区分出来。输出的是和原图同尺寸的掩膜（mask），每个像素一个类别。

检测任务，回答“哪里有病灶、病灶有多大”。和分割不同的是，检测用边界框——矩形框——来表示目标位置，更适合多个离散的小目标，比如肺结节、细胞核、骨折点。

为什么毕业设计喜欢用这四个模型？因为它们分别对应了上面三类任务的标准解法：

• ResNet：分类任务最通用、最稳的骨干网络，也经常被当作分割和检测模型的 Backbone。
• UNet：医学分割的入门模型，也是毕设中使用率最高的分割结构。
• DeepLabV3+（标题中的 DeepLabV3++）：更强、更工程化的语义分割模型，在 ISIC 皮肤病变、肺部裂片分割等任务上效果优于基础 UNet。
• YOLOv5：检测领域的“成熟方案”，训练、部署、可视化文档都非常完善，适合做病灶检测。

1.2 四个模型的分工与配合

你在 LLM 里搜索 ResNet、UNet、DeepLabV3+、YOLOv5，看到的都是独立教程；但在真实毕设里，它们通常是配合使用的。

一种常见的横向对比方案是：同一份医学数据集，用 ResNet 做分类，用 UNet 和 DeepLabV3+ 分别做分割并比较结果，再用 YOLOv5 做检测。这种“一个题目覆盖多模型对比”的写法，评审老师最容易认可，既有工作量又有对比实验。

另一种是纵向多任务方案：用 ResNet 做粗分类，判断有没有病灶；再用 UNet 或 DeepLabV3+ 对“有病灶”的样本做精细分割；最后用 YOLOv5 把多个病灶实例框出来。三者形成完整的数据处理链路。

本文按“先掌握基础，再组合实战”的顺序展开，最后给出一个可以改造成多任务的共享骨干网络案例。

1.3 动手前必须明确的两个概念

深度学习框架：PyTorch 是目前医学影像领域论文复现率最高的框架，不需要额外说明。它动态图机制适合反复修改网络结构，医学影像调试模型时非常需要这种灵活性。

预训练模型：ImageNet 预训练权重可以在医学数据很少的情况下显著提升收敛速度。但不能盲目套用：医学图像往往是灰度图、单通道，输入形状和自然图像差异很大，使用时需要把单通道复制成三通道，这一点在后面代码中会体现。

2. 环境准备：PyTorch 与医学图像工具链

2.1 版本选择原则

PyTorch 的版本更新非常快，不同版本的 API、CUDA 匹配关系、预训练模型接口都有差异。网上搜索时会看到类似“Python 3.10.11 + PyTorch 2.8.0 + CUDA 12.1 组合包”的说法，但这种具体组合只适用于特定机器，不能照搬到所有环境。

更稳妥的原则是：

• 先查看显卡驱动支持的 CUDA 版本，使用nvidia-smi查看。
• 优先选择稳定版，不要追最新版。
• 毕设项目锁定版本，不要中途随意升级。
• 如果只是小数据集验证想法，CPU 环境也能跑通一遍流程，只是训练很慢。

示例查看显卡信息：

nvidia-smi

如果输出显示 NVIDIA-SMI 和 CUDA Version 为 12.x，就可以安装支持 CUDA 12.1 或 12.4 的 PyTorch 版本。若不支持 NVIDIA GPU，或机器上没有独立显卡，则安装 CPU 版本即可，本文所有代码的模型结构部分在 CPU 上也能运行。

2.2 使用 Conda 创建隔离环境

强烈建议不要直接往基础 Python 环境里安装深度学习包。用 Anaconda 创建独立环境，避免不同项目间的依赖冲突。

conda create -n medical_ai python=3.10 -y conda activate medical_ai

创建完成后，用以下命令安装 PyTorch。以 CUDA 12.1 为例：

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

如果只需要 CPU 版本：

pip install torch torchvision torchaudio

这里要提醒一下：PyTorch 官方下载源在国外，国内网络不稳定时可能下载很慢或失败。可以换用清华源或阿里云源。清华源镜像 PyTorch 时要注意 URL 路径：

pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple

不过清华源不一定覆盖cu121这种带 CUDA 后缀的专用索引地址，建议优先使用官方--index-url，失败时再检查网络或更换国内镜像。

安装完成后，在 Python 中验证：

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

如果第二行输出True，说明 PyTorch 能正常使用 GPU；如果输出False，说明安装的是 CPU 版本或 CUDA 配置有问题，后面第 5 节会给出排查思路。

2.3 常用医学图像处理库

PyTorch 负责模型和训练，但医学图像的读写和预处理还需要额外库。根据你的数据类型选择安装：

通用图像处理和可视化：

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

医学影像专用格式：

• NIfTI（.nii.gz），医院和公开数据集最常用：nibabel
• DICOM（CT、MRI 原始设备格式）：pydicom
• 高光谱医学成像（部分皮肤、眼底课题）：spectral等专用库，但处理逻辑依赖具体实验，这里不多展开。
• 数据增强：albumentations，它内置了很多适合医学图像增强的函数，例如弹性形变、光学畸变、随机亮度对比度。

pip install nibabel pydicom albumentations

注意，nibabel和pydicom的 API 差异较大，一个针对 NIfTI 的 3D/4D 数据，一个针对 DICOM 的元数据与像素阵。开头先确定数据类型，避免装完不知道用哪个。

2.4 数据集准备建议

医学毕设最怕没有数据。可以参考以下顺序选择：

1. 公开数据集：LUNA16、LIDC-IDRI（肺结节）、BraTS（脑肿瘤）、ISIC（皮肤镜图像）、DRIVE（眼底血管）、CHASE_DB1（眼底血管）。这些在论文中有据可查，数据集说明可以直接写进毕设文献综述。
2. 与合作医院或导师获取脱敏数据：此时必须确认数据使用协议，切忌将病人隐私数据上传到公开平台。
3. 自己采集的小样本数据：注意标注成本，建议用一些开源标注工具辅助。

无论哪种方式，都需要按统一规范存放。例如：

dataset/ ├── images/ │ ├── patient001.png │ └── ... ├── masks/ │ ├── patient001.png │ └── ... ├── labels/ │ ├── patient001.txt │ └── ... └── data_split.csv

3. 模型原理速览与最小可运行代码

3.1 ResNet：残差学习解决网络退化

ResNet 论文提出的核心是残差结构。随着网络层数加深，传统 CNN 会出现退化问题——训练集准确率反而下降。ResNet 通过跳跃连接让每一层学习残差F(x) = H(x) - x，理论上网络的表达能力不会低于浅层网络。

在医学影像中，最常用的 ResNet 版本是 ResNet50。它既可以独立做分类，也是 UNet、DeepLabV3+ 等模型的编码器。分类头通常在最后一层全连接处改为自己的类别数。

下面是一个完整的医学二分类模型示例，使用 torchvision 自带预训练权重：

# 文件路径：models/resnet_classifier.py import torch import torch.nn as nn from torchvision import models class ResNetClassifier(nn.Module): def __init__(self, num_classes=2, use_pretrained=True): super().__init__() if use_pretrained: self.backbone = models.resnet50( weights=models.ResNet50_Weights.IMAGENET1K_V2 ) else: self.backbone = models.resnet50(weights=None) # 把最后的全连接层替换为自定义分类头 in_features = self.backbone.fc.in_features self.backbone.fc = nn.Sequential( nn.Dropout(p=0.3), nn.Linear(in_features, num_classes) ) self.num_classes = num_classes def forward(self, x): # x 的 shape: [B, 3, H, W] return self.backbone(x)

如果输入是单通道灰度医学图像，比如眼底血管造影，可以在数据加载时复制成三通道：

# 文件路径：utils/grayscale_to_rgb.py import torch def gray_to_rgb(x): # x: [B, 1, H, W] return x.repeat(1, 3, 1, 1)

这样就能复用 ImageNet 预训练参数。

3.2 UNet：编码器-解码器与跳跃连接

UNet 是医学图像分割的“老前辈”，结构非常直观：左边是不断下采样的编码器，提取语义特征；右边是逐步上采样的解码器，恢复空间分辨率；中间用跳跃连接把编码器特征和解码器特征拼接，从而保留细粒度边界信息。

对于肺部结节分割、眼底血管分割这类任务，UNet 依然是很好用的 baseline。下面给出最小可运行的 UNet 实现，代码已经按函数拆分：

# 文件路径：models/unet.py import torch import torch.nn as nn class DoubleConv(nn.Module): """连续两次卷积 + BN + ReLU""" def __init__(self, in_channels, out_channels): super().__init__() self.conv = nn.Sequential( nn.Conv2d(in_channels, out_channels, 3, padding=1), nn.BatchNorm2d(out_channels), nn.ReLU(inplace=True), nn.Conv2d(out_channels, out_channels, 3, padding=1), nn.BatchNorm2d(out_channels), nn.ReLU(inplace=True), ) def forward(self, x): return self.conv(x) class Down(nn.Module): """下采样：先池化，再双卷积""" def __init__(self, in_channels, out_channels): super().__init__() self.pool = nn.MaxPool2d(2) self.conv = DoubleConv(in_channels, out_channels) def forward(self, x): return self.conv(self.pool(x)) class Up(nn.Module): """上采样：转置卷积 + 跳跃连接拼接 + 双卷积""" def __init__(self, in_channels, out_channels): super().__init__() self.up = nn.ConvTranspose2d(in_channels, in_channels // 2, kernel_size=2, stride=2) self.conv = DoubleConv(in_channels, out_channels) def forward(self, x1, x2): x1 = self.up(x1) # 处理特征图尺寸不一致的边界，通常比较大的一边做中心裁剪 diffY = x2.size()[2] - x1.size()[2] diffX = x2.size()[3] - x1.size()[3] x1 = nn.functional.pad(x1, [diffX // 2, diffX - diffX // 2, diffY // 2, diffY - diffY // 2]) x = torch.cat([x2, x1], dim=1) return self.conv(x) class UNet(nn.Module): def __init__(self, in_channels=1, num_classes=1): super().__init__() self.inc = DoubleConv(in_channels, 64) self.down1 = Down(64, 128) self.down2 = Down(128, 256) self.down3 = Down(256, 512) self.down4 = Down(512, 1024) self.up1 = Up(1024, 512) self.up2 = Up(512, 256) self.up3 = Up(256, 128) self.up4 = Up(128, 64) self.outc = nn.Conv2d(64, num_classes, kernel_size=1) def forward(self, x): x1 = self.inc(x) x2 = self.down1(x1) x3 = self.down2(x2) x4 = self.down3(x3) x5 = self.down4(x4) x = self.up1(x5, x4) x = self.up2(x, x3) x = self.up3(x, x2) x = self.up4(x, x1) logits = self.outc(x) return logits

使用示例：

if __name__ == "__main__": model = UNet(in_channels=1, num_classes=1) fake_ct = torch.randn(2, 1, 256, 256) mask_logit = model(fake_ct) print(mask_logit.shape) # torch.Size([2, 1, 256, 256])

这里num_classes=1适合二值分割；如果是多类别分割，比如分割三种组织，就需要num_classes=4，并配合交叉熵损失使用。

3.3 DeepLabV3+：ASPP 与解码器结构

DeepLabV3+ 的核心改进在于ASPP（Atrous Spatial Pyramid Pooling），用不同膨胀率的空洞卷积并行提取多尺度上下文信息，再通过简单的解码器模块恢复边界细节。相对于 UNet，DeepLabV3+ 在语义分割上的感受野更大，分类图中的大尺度区域更稳，但是参数量也更大。

如果使用 torchvision，最简单的方式是直接加载官方实现：

# 文件路径：models/deeplab_model.py import torch import torch.nn as nn from torchvision import models def get_deeplab_model(num_classes=1, backbone="resnet50", pretrained=True): if backbone == "resnet50": weights = models.DeepLabV3_ResNet50_Weights.COCO_WITH_VOC_LABELS_V1 if pretrained else None model = models.segmentation.deeplabv3_resnet50(weights=weights) elif backbone == "mobilenet": weights = models.DeepLabV3_MobileNet_V3_Large_Weights.COCO_WITH_VOC_LABELS_V1 if pretrained else None model = models.segmentation.deeplabv3_mobilenet_v3_large(weights=weights) else: raise ValueError("Unsupported backbone") # 替换分类头 in_channels = model.classifier[-1].in_channels model.classifier[-1] = nn.Conv2d(in_channels, num_classes, kernel_size=1) return model

使用示例：

if __name__ == "__main__": model = get_deeplab_model(num_classes=1, backbone="resnet50") x = torch.randn(2, 3, 512, 512) out = model(x)["out"] print(out.shape) # torch.Size([2, 1, 512, 512])

注意两个细节：

1. DeepLabV3+ 的输入通常要求是三通道 RGB，如果是单通道 CT 等，需要先复制成三通道。
2. 官方的model(x)返回 OrderedDict，需要取["out"]才是预测分割图，这一点和普通分类模型不同，新手经常漏掉。

3.4 YOLOv5：目标检测完整训练流程

YOLOv5 的使用方式和前三个模型不太一样，它本身是一个完整仓库，包括数据加载、数据增强、训练、验证、导出脚本。因此复现时不需要自己手写网络结构，而是 clone 官方仓库，然后准备数据标注文件即可。

基础流程：

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

使用 YOLOv5 训练自己的医学数据集，需要准备：

1. 每张图像对应的.txt标签文件。格式为：class x_center y_center width height，坐标都是相对于图像宽高的归一化值。
2. data.yaml配置文件，指向训练集、验证集的图片路径、类别数和类别名。

下面是一个肺结节检测数据集的data.yaml示例：

# 文件路径：dataset/nodule.yaml train: dataset/images/train val: dataset/images/val nc: 1 names: 0: nodule

然后启动训练：

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

训练完成后，在runs/train/exp*/weights/best.pt中找到最优权重，接下来可以用detect.py对单张图像推理：

python detect.py --weights runs/train/exp/weights/best.pt --source dataset/images/val/patient001.png --conf-thres 0.25

这里值得说明为什么医学检测常用 YOLOv5 而不是 YOLOv8 或 YOLOv6：YOLOv5 的发展已经非常成熟，网上中文资料多、针对各类自定义数据集的排错经验丰富，对毕设来说，它更容易“跑通”。

4. 多任务医学影像实战：以肺部 CT 分类 + 分割 + 检测为例

4.1 任务定义与数据组织规范

假设我们的毕设课题是：基于肺部 CT 影像的肺结节辅助诊断系统。

需要实现三个子功能：

1. 分类：判断一张 CT 切片是否包含肺结节。
2. 分割：对包含结节的切片，逐像素分割出结节区域。
3. 检测：在同一张切片中，框出每个可疑结节的位置。

在这个设定下，一张原始 CT 会同时需要：类别标签（0/1）、分割掩膜、检测框标注。数据组织建议如下：

lung_dataset/ ├── images/ │ ├── patient001_slice100.png │ └── ... ├── masks/ │ ├── patient001_slice100.png │ └── ... ├── detection_labels/ │ ├── patient001_slice100.txt │ └── ... └── classification_labels.csv

classification_labels.csv可以简单写成两列：

image_name,label patient001_slice100.png,1 patient002_slice050.png,0

这样三个任务的数据都对齐在同一张图下，便于后续建立统一的数据集类。

4.2 多任务共享骨干网络设计

与其分别训练三个独立模型，更优雅的做法是：共享一个 ResNet 编码器，后面接三个任务分支。

这样做的好处是：特征提取层被三个任务共同学习，参数量更少，在小数据集上更不容易过拟合，毕设开题时也能体现“多任务学习”的亮点。

下面给出一个简洁的多任务网络：

# 文件路径：models/multitask_net.py import torch import torch.nn as nn from torchvision import models class MultiTaskModel(nn.Module): def __init__(self, num_classes=2): super().__init__() # 共享编码器，使用预训练 ResNet34 self.backbone = models.resnet34(weights=models.ResNet34_Weights.IMAGENET1K_V1) last_channels = self.backbone.fc.in_features # 删除原始全连接层，保留卷积特征输出 self.encoder = nn.Sequential( self.backbone.conv1, self.backbone.bn1, self.backbone.relu, self.backbone.maxpool, self.backbone.layer1, self.backbone.layer2, self.backbone.layer3, self.backbone.layer4 ) # 分类分支 self.pool = nn.AdaptiveAvgPool2d((1, 1)) self.classifier = nn.Linear(last_channels, num_classes) # 分割分支：简单解码器 self.seg_decoder = nn.Sequential( nn.ConvTranspose2d(last_channels, 128, kernel_size=4, stride=2, padding=1), nn.ReLU(inplace=True), nn.ConvTranspose2d(128, 64, kernel_size=4, stride=2, padding=1), ) def forward(self, x): feat = self.encoder(x) # 分类输出 pooled = self.pool(feat) pooled = pooled.flatten(1) cls_out = self.classifier(pooled) # 分割输出（二分类掩膜） seg_out = self.seg_decoder(feat) return cls_out, seg_out

这个网络针对性做了一个简化：输入图像尺寸为 512×512 时，经过 ResNet 下采样后特征图约为 16×16，分割分支经过两次转置卷积变成 64×64。如果要输出和原图一样大的掩膜，还需要在解码器后加双线性上采样或更多上采样层。

4.3 训练脚本与验证逻辑

多任务训练的损失函数是分类损失和分割损失的加权和：

# 文件路径：train_multitask.py import torch import torch.nn as nn from torch.utils.data import DataLoader, Dataset from models.multitask_net import MultiTaskModel import torchvision.transforms as T # 自定义数据集，这里只展示核心结构 class LungDataset(Dataset): def __init__(self, img_dir, mask_dir, label_csv, transform=None): # 省略详细读取逻辑 self.img_dir = img_dir self.mask_dir = mask_dir self.label_csv = label_csv self.transform = transform def __len__(self): return len(self.img_names) def __getitem__(self, idx): img = self.load_image(idx) # [3, 512, 512] mask = self.load_mask(idx) # [1, 64, 64] 或 [1, 512, 512] label = self.load_label(idx) # int if self.transform: img = self.transform(img) return img, mask, label # 损失函数组合 def multitask_loss(cls_pred, seg_pred, mask, label, lambda_seg=0.5): cls_loss = nn.CrossEntropyLoss()(cls_pred, label) # 分割损失：如果 mask 是二值，使用 BCEWithLogitsLoss seg_loss = nn.BCEWithLogitsLoss()(seg_pred, mask) return cls_loss + lambda_seg * seg_loss # 训练核心逻辑 model = MultiTaskModel(num_classes=2) optimizer = torch.optim.AdamW(model.parameters(), lr=1e-4) for epoch in range(30): for img, mask, label in train_loader: optimizer.zero_grad() cls_pred, seg_pred = model(img) loss = multitask_loss(cls_pred, seg_pred, mask, label) loss.backward() optimizer.step() print(f"epoch {epoch}, loss: {loss.item():.4f}")

实际训练时，需要把分割分支的输出尺寸和 mask 对齐。常用的做法是先把 mask 缩放到分割分支输出的大小，或者在分割分支最后加一个双线性上采样，使其保持 1/8 或 1/4 分辨率。

4.4 常见评价指标解读

医学深度学习毕设的评价指标，不同任务要用不同指标：

任务	指标	说明
分类	Accuracy、Sensitivity、Specificity、AUC	类别不平衡时，只看准确率不够，更关注灵敏度和 AUC
分割	Dice、IoU	Dice 在医学分割论文中使用最多
检测	mAP@0.5、mAP@0.5:0.95、Recall	YOLO 训练日志会自动输出

计算 Dice 系数的最小实现：

# 文件路径：metrics/dice.py def dice_coef(pred_mask, true_mask, smooth=1e-5): pred_mask = (pred_mask > 0).float() true_mask = true_mask.float() intersection = (pred_mask * true_mask).sum() return (2.0 * intersection + smooth) / (pred_mask.sum() + true_mask.sum() + smooth)

注意，很多数据集的 mask 类别分布严重不平衡，比如背景占 99%，结节只占 1%，这种情况下 Dice 可能虚高。需要结合阳性预测值和灵敏度一起分析。

5. 高频报错与排查清单

5.1 环境与显存类

问题现象	常见原因	解决思路
torch.cuda.is_available()返回 False	安装的是 CPU 版 PyTorch 或 CUDA 驱动不匹配	卸载后重装对应 CUDA 版本的 PyTorch，检查驱动
CUDA out of memory	图像尺寸过大、batch 太大	减小 batch，降低输入尺寸，开启混合精度训练
训练速度非常慢	CPU 推理；图像直接加载成 Python List	使用 GPU，将 Dataset 中预处理改为 Tensor，使用num_workers和pin_memory
pip 安装时卡住	网络问题	使用国内镜像，或检查代理配置

5.2 数据与训练类

问题现象	常见原因	解决思路
损失不下降	学习率过大/过小、标签错位、输入未归一化	先用小 batch 过拟合一个样本，检查反向传播，再调学习率
分割 mask 和原图大小不一致	标注尺寸与输入尺寸不统一	在 Dataset 中统一 Resize 或 Padding，不要每个样本单独变形
检测训练时提示标签为空	标注 txt 文件格式错误	检查是否使用归一化坐标，类别索引是否从 0 开始
输出全是背景	正负样本严重不均衡	改用加权损失、Focal Loss，或做类别平衡采样
过拟合严重	样本太少	加大数据增强，使用预训练权重，减小模型复杂度

5.3 模型导出类

问题现象	常见原因	解决思路
onnx 导出报错	PyTorch opset 版本太旧	在torch.onnx.export中设置opset_version=12或更高
DeepLabV3+ 输入尺寸无法被 8 整除	ASPP 下采样要求输入为 8 的倍数	修改输入尺寸，或在 transform 中统一缩放
模型测试时大小和训练不一致	测试时 Resize 尺寸和训练不一致	训练、验证、测试统一使用同一 transform

这些问题的共性规律是：先检查数据，再检查模型，最后再怀疑框架。新手容易一陷入 loss 不降就开始改网络结构，实际上大部分问题都出在数据读取或者归一化上。

6. 医学深度学习工程化最佳实践

6.1 数据安全与合规

医学数据是高敏感数据，相关实践越早做越省心：

• 如果是公开数据集，记录完整的数据集名称、引用出处、版本号。
• 如果是医院提供的脱敏数据，确保不含病人姓名、身份证、住院号等个人信息。
• 不要在公有云盘或公开 GitHub 仓库中上传未脱敏的影像数据。
• 数据标注文件与原始影像分开存放，便于管理。

6.2 训练稳定性建议

强烈建议训练时固定随机种子，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)

此外，医学影像数据增强不要照搬自然图像的那一套。比如，对肺结节检测做随机裁剪是可以的，但不要过度旋转，避免改变解剖结构的自然方向；血管分割中，平移和弹性形变更实用，而随机颜色变换的意义不大。

6.3 模型保存与实验管理

建议保存完整权重而非只保存网络结构，方便后续继续训练：

# 保存 checkpoint torch.save({ 'epoch': epoch, 'model_state_dict': model.state_dict(), 'optimizer_state_dict': optimizer.state_dict(), 'loss': loss.item(), }, 'best_checkpoint.pth') # 加载 checkpoint checkpoint = torch.load('best_checkpoint.pth') model.load_state_dict(checkpoint['model_state_dict']) optimizer.load_state_dict(checkpoint['optimizer_state_dict'])

实验管理建议使用 TensorBoard：

from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter('runs/exp1') writer.add_scalar('Loss/train', loss.item(), epoch) writer.add_images('Prediction', seg_pred.detach().cpu(), epoch)

在医学影像项目中，可视化预测结果比只记录 loss 更有意义——评审老师更关心你的模型到底把哪里分割对了、哪里漏检了。

7. 总结与下一步学习路线

医学深度学习毕设的核心不在“堆多新的模型”，而是把数据组织好、把任务定义清楚、把 baseline 跑通，再做对比与改进。ResNet、UNet、DeepLabV3+、YOLOv5 这套组合能够覆盖分类、分割、检测三大任务，已经足够撑起一个完整且有说服力的毕设工作。

拿到这篇文章，下一步可以按这个顺序推进：

1. 先搭好 PyTorch 环境，跑通 ResNet 分类代码，掌握数据加载与训练循环。
2. 用 UNet 跑通分割流程，理解 mask 的读取与损失函数。
3. 对照 DeepLabV3+ 和 UNet 的结果差异，形成模型对比章节。
4. 最后用 YOLOv5 做检测，补齐目标定位能力。

当每个模型都能独立工作时，再多看一眼多任务共享骨干网络方案，把它作为“系统设计”的亮点写进论文，整个毕设的框架就很扎实了。训练和实践过程中遇到问题，优先检查数据维度、标签格式和环境配置。模型结构改不出效果时，回头检查损失函数和评价指标是否选对，往往比继续堆结构更有效。