在医学检验这个圈子里，粪便常规镜检里的虫卵筛查一直是最耗眼力的活。几年前我在检验科蹲点时就发现，一个熟练的技师看一张涂片要找十几个视野，眼睛花了不说，漏检风险也一直压着。后来我动了用深度学习做辅助筛查的念头，最先想到的就是 YOLO，因为它在医学影像小目标检测上的生态最成熟。可真正动手才发现，最大的瓶颈根本不是模型选型，而是手上压根没有一套像样的寄生虫虫卵检测数据集——公开资源少得可怜，格式乱七八糟，类别覆盖也不全。折腾了大半年，我自建了一套 3600 张的 YOLO 医学检验数据集，从采集、清洗、标注到训练、落地踩坑，一步没落下。这篇文章就把整个过程的思路和教训掰开揉碎讲清楚，给想做医学目标检测的朋友一条能直接参考的路径。
1. 为什么寄生虫虫卵检测成了计算机视觉的硬骨头
先说个反直觉的事实：虫卵检测属于典型的高难度小目标检测问题，但绝大多数搞 CV 的人一开始都低估了它。它在深度学习任务里难在哪，我拆成三个层面讲。
1.1 镜检场景决定了图像质量的天花板
寄生虫虫卵的原始图像来自显微镜下的涂片，这跟自然图像完全是两个世界。显微镜成像受采光、对焦、物镜倍率影响极大，同一个虫卵在不同视野下可能呈现出完全不同的亮度、对比度和清晰度。40 倍物镜下，一个蛔虫卵在 1920x1080 图像里可能只占 40x50 像素，这在小目标检测里都算偏小的。而且粪便涂片里充满了食物残渣、纤维、脂肪滴、气泡甚至染料结晶，这些背景跟虫卵在某些特征上高度接近，模型很容易把残渣边缘误判成虫卵轮廓。
我实际采集时发现，不同医院使用的粪便检验方法也不一样，有直接涂片法、生理盐水涂片法，还有加碘染色的。碘染色之后虫卵的形态会变，轮廓更清晰但颜色参考意义降低。如果数据集里只收录一种制片方式，模型训练出来换个医院就废掉。这也是很多公开数据集没法直接落地的根源。
1.2 类别多样性和形态多态性容易把人坑了
虫卵不是"一个类"，光常见的临床上需要报的就有蛔虫卵、钩虫卵、鞭虫卵、肝吸虫卵（华支睾吸虫）、肺吸虫卵、姜片虫卵、带绦虫卵、血吸虫卵等十几种。麻烦的是同一种虫卵还有不同形态：蛔虫卵分受精卵和未受精卵，受精卵呈卵圆形，表面有粗糙蛋白膜，未受精卵则更长、蛋白膜更薄；钩虫卵壳薄透明，内含 4~8 个细胞，卵壳与细胞之间有明显空隙；鞭虫卵形状像纺锤，两端有透明栓；肝吸虫卵像小芝麻，一端有卵盖。这些形态细节，标注员没受过训练根本分不清。
更要命的是，虫卵的发育阶段也会影响外观。比如钩虫卵在新鲜粪便里通常是单细胞期，但放置一段时间后可能发育到多细胞期甚至幼虫期，形态变化非常明显。如果数据集里只收录典型形态，模型在推理时遇到非典型发育阶段的虫卵就容易漏检。
1.3 为什么最终选了 YOLO 而不是其他检测框架
当时我也对比过 Faster R-CNN、EfficientDet 和 YOLO 系列。Faster R-CNN 对小目标效果确实更稳，但它训练推理速度慢，部署时还需要额外的环境依赖，医学检验现场不可能配一台高性能 GPU 工作站。EfficientDet 在精度和算力之间平衡不错，但生态和后续维护不如 YOLO 方便。
真正让我下决心选 YOLO 的是 YOLOv8 的易用性。Ultralytics 这个 repo 把训练、验证、导出、推理全流程统一了，数据格式就是最简单的 txt 标注文件，一张图配一个同名 txt，每行是class_id x_center y_center width height，坐标全部归一化。对于我这种需要反复迭代数据集的人来说，这套格式几乎是零学习成本。而且 YOLOv8 从 n 到 x 的模型系列覆盖了从边缘设备到服务器的场景，后面部署做技术选型时有回旋余地。
2. 3600 张数据集是怎么来的：采集、清洗与标注规范
一套能用的医学检验数据集，难点永远不在"凑够数量"，而在"控制质量"。3600 张听上去不多，但考虑到寄生虫虫卵检测这个垂直领域，这已经是一个不小的规模。关键是每一张都要经得起推敲。
2.1 样本来源与伦理合规问题必须放在第一位
我可以直说，医学图像数据集的构建，伦理关卡远比技术关卡难。人体粪便样本属于敏感生物样本，采集、存储、使用都必须过伦理审查。我们和合作医院签了样本使用协议，所有样本都做匿名化处理，图像只保留编号和基础诊断信息，不含患者姓名、年龄、住院号等可识别信息。
从技术上，样本有一部分来自医院检验科保存的阳性涂片存档，这些涂片本来就是做形态学质控用的，重新拍照即可；另一部分来自我们实验室人工培养的虫卵样本，比如用蛔虫成虫在体外产卵后收集培养，这部分保证了罕见虫卵类别的样本量；还有一小部分来自公开学术资源中明确标注可自由使用的图像，但比例很低，因为公开图版权和清晰度都不可控。
2.2 采集设备的参数选择直接影响数据集可复用性
拍照设备我们用了检验科常见的三目生物显微镜配 CCD 相机。这里有个关键决策：不同倍率下的虫卵形态差异非常大，低倍率下虫卵小、背景杂，高倍率下虫卵大、特征细，但视野范围变小。为了模拟真实镜检流程，数据集里同时保留了 10x 目镜加 10x 物镜的低倍视野图，以及 10x 目镜加 40x 物镜的高倍视野图。
低倍图适合做初筛，高倍图适合做确认，模型只有同时见过两种尺度，部署时才不会因为倍率切换而失效。我见过有些数据集只收录高倍率图像，训练出的模型一上低倍率镜头就抓瞎，precision 掉到没法用的程度。另外，采集时我把相机的白平衡固定到同一档位，不让相机自动白平衡，因为自动白平衡会让图像色调飘忽不定，影响后续模型训练的稳定性。
2.3 标注规范：边界框定的不只是框，是诊断逻辑
标注是整个数据集构建中最耗时也最需要专业判断的环节。我们的标注规范是从检验科老师那里反复磨出来的，核心就一句话：只框有诊断意义的典型虫卵，不框模棱两可的对象。
起初我犯了一个典型新手错误，为了扩大正样本数量，让标注员把凡是"疑似虫卵"的对象都框上。结果训练出来的模型在验证集上 mAP 看起来不错，一上真实涂片就疯狂误报，因为很多模糊的残渣轮廓在训练时被教会了"这是虫卵"。后来我们改成了三方交叉标注：检验科技师标一遍，我标一遍，分歧样本放投影仪上共同讨论决定。不确定的样本直接丢弃，不硬标。
在框的边界上也有讲究：必须紧贴虫卵外缘的蛋白膜或卵壳边缘，不包含周围散落的杂质。比如蛔虫卵表面那层粗糙蛋白膜如果部分剥落，框只框完整虫体部分，不把碎屑框进来。这个细节如果不统一，边界框的宽高比就会飘，给模型训练带来不小的噪声。
2.4 数据清洗与质量审核：宁可少一张，不要脏一张
3600 张原始图经过清洗后实际保留了 3200 多张用于训练，剩下的要么是对焦不好、要么是染色过度导致形态失真、要么是标注分歧太大无法达成共识。清洗流程分三关：
第一关是图像质量筛查，我用脚本统计每张图的清晰度评分（Tenengrad 梯度方差法），低于阈值的直接进回收站。显微图像对焦稍有偏差，虫卵边缘的梯度信息就会弱化，这种图喂给模型只会增加学习难度。
第二关是标注重叠审查，用程序检查同一张图里是否有 IOU 过高的两个框，如果有，说明两个标注员可能争议了很久或者重复框了，检查机器自动列出来人工复核。
第三关是类别分布检查。我很刻意地控制了类别比例，让常见虫卵（蛔虫、钩虫、鞭虫）占比别超过 60%，剩下给罕见虫卵。这个决策在后面训练时被证明非常关键。
3. YOLO 训练之前，先解决小目标、类不平衡和形态混淆这三座山
数据集建好只是第一步。真正开始跑 YOLO 训练后，我才发现这个任务把目标检测里几个经典的难题全凑齐了：小目标、类不平衡、类间相似。
3.1 小目标问题：虫卵在图上真的太小了
我统计了自己数据集的标注框尺寸分布：大约 60% 的框宽度小于 64 像素，甚至有一部分小于 32 像素。虽然在 640x640 的输入下，这些框算不算"极小目标"要看相对尺寸，但 YOLO 系列的 anchor（锚框）设计天然偏向中大型目标，小目标召回率一直是痛点。
我用了几个办法缓解：
第一，训练输入尺寸从默认的 640 提高到 1280。代价是显存占用翻倍，训练时间拉长，但小目标检测的 recall 提升非常显著。如果你的 GPU 显存不够，至少可以用多尺度训练（rect=True加随机缩放），让模型每轮见到不同尺度的目标。
第二，调整 anchor 的尺寸分布。YOLOv8 虽然自动学习 anchor，但初始设置的先验分布会影响收敛速度。我把自定义数据集在yolo train前先跑了一次yolo detect train的数据分析脚本，看框的聚类情况，然后手动评估默认 anchor 是否覆盖了小尺寸目标区间。不够的话就换输入尺寸或者加大 anchor 的候选数量。
第三，后处理时降低小目标检测的置信度阈值。推理阶段，YOLO 默认只保留置信度大于 0.25 的结果，但这个设置对医学筛查场景太严格了，很多真实虫卵由于特征弱、尺寸小，置信度只有 0.1~0.2 就被滤掉了。我最后在部署时把置信度阈值降到 0.05，再用 NMS 的 IOU 阈值去重，这个调整让 recall 涨了一大截。
3.2 类不平衡：为什么蛔虫卵多到爆炸反而是个大坑
医学场景的分布天然不均衡，阳性样本里蛔虫卵最常见，肝吸虫卵、血吸虫卵相对少见。如果按自然分布去训练，模型对常见类别会过拟合，对罕见类别几乎学不到有效特征。
我的解决办法不是单纯地少样本过采样，而是组合方案：
一是按类别加权损失。YOLOv8 支持在损失函数里设置类别权重，我把样本量最少的几个类别权重调到常见类别的 2~3 倍，但这招有个副作用——权重过大会让模型在常见类别上变得激进，误报增加。所以我没有一上来就调权重，而是先跑一轮 baseline 看各类别的 AP 差异，差额大的才加权。
二是针对性增强。对样本少的类别，比如肝吸虫卵，我在离线增强时把包含这些类别的图像做了额外的旋转、小幅度的缩放、亮度抖动，但注意不要做翻转——这引出一个医学检验的重要原则，下面详细说。
三是模拟合成。把真实的虫卵抠出来，贴到随机采集的阴性涂片背景上，制造出新的训练样本。这种方式生成的图像虽然不是真实视野，但能有效让模型学会在复杂背景中聚焦虫卵。我做了一版实验对比，加入了合成样本后，罕见类别的 recall 提升了近 10 个点，而 precision 没有下降。
3.3 形态混淆：翻转增强为什么在虫卵检测里是个坑
这是我在实验中印象最深的一个坑。当时图省事，直接开了 YOLO 默认的水平翻转增强，结果训练出来的模型把肝吸虫卵的检出率做到了很高的水平，但细看错误样本，发现模型把很多带绦虫卵当成了肝吸虫卵，而真实测试里我标的是正确的。
问题出在虫卵的结构有"朝向"敏感性。肝吸虫卵一端有卵盖，另一端是钝圆尾端，这个一端大一端小的形态特征是分类的重要依据。水平翻转会把卵盖方向翻转，相当于给模型创造了"现实中不存在的样例"，偶尔反转的样本多了，模型就会困惑：卵盖到底该在哪一端？
类似的还有带绦虫卵，它本身有胚膜结构，翻转后内层结构镜像变化，也会让标注信息失真。所以做医学形态学识别时，翻转增强必须非常克制。我最后只保留了 90 度整数倍的旋转和非常轻微的形变增强，翻转全部关掉。这个决策在后续测试中证明是必要的，模型在真实方向样本上的表现稳定了非常多。
4. 训练配置与实测结果复盘：从 mAP 数字到实际镜检体验
这一部分我把训练细节和最终结果完整复现出来，方便想复现的朋友直接参考。环境是 PyTorch + Ultralytics YOLOv8，单卡训练用的是 RTX 3090 24GB，显存够用所以直接把输入尺寸拉到 1280。
4.1 核心超参数配置
我用的是 YOLOv8m 作为主模型，原因很简单：
- YOLOv8n 和 s 速度极快，但小目标的检测能力确实弱一些，在低倍图像上漏检明显。
- YOLOv8l 和 x 精度更高，但训练和推理的算力开销大，部署到检验科那种普通办公室电脑上会有点吃力。
m 是精度和速度的中间值，最后实测单张 1280 图像在 RTX 2060 上推理约 120ms，完全可以接受。具体训练参数如下：
yolo detect train \ data=parasite.yaml \ model=yolov8m.pt \ imgsz=1280 \ epochs=200 \ batch=16 \ optimizer=AdamW \ lr0=0.001 \ lrf=0.01 \ hsv_h=0.015 \ hsv_s=0.7 \ hsv_v=0.4 \ flipud=0.0 \ fliplr=0.0 \ scale=0.3 \ translation=0.1 \ mosaic=1.0parasite.yaml里定义了九个类别，标注格式按 YOLO 规范：每行class_id x_center y_center width height。这里需要提醒一点：YOLO 的归一化坐标是基于图像宽高的比例，如果你的训练图里有某几张尺寸和主流不一致，模型会自动做 letterbox 拉伸，但这样会改变虫卵的纵横比，形态特征会失真，所以训练前我统一把图片 resize 到了同样尺寸，不做带塔式混合。
4.2 训练曲线和指标解读
训练到大约 120 epoch 时收敛，200 epoch 是为了最后几个类别 AP 的微调。最终在测试集（约 400 张）上的结果：
| 类别 | mAP@0.5 | mAP@0.5:0.95 |
|---|---|---|
| 蛔虫卵（受精） | 0.97 | 0.76 |
| 蛔虫卵（未受精） | 0.94 | 0.72 |
| 钩虫卵 | 0.96 | 0.74 |
| 鞭虫卵 | 0.95 | 0.73 |
| 肝吸虫卵 | 0.93 | 0.65 |
| 肺吸虫卵 | 0.91 | 0.61 |
| 姜片虫卵 | 0.92 | 0.63 |
| 带绦虫卵 | 0.94 | 0.67 |
| 血吸虫卵 | 0.95 | 0.71 |
mAP@0.5 的整体均值约为 0.94，但注意 mAP@0.5:0.95 明显偏低，这说明模型在精确框位置上还不够准，小目标框的定位偏差拉低了分数。实际使用中影响不大，因为辅助筛查只需要确定"这里有没有虫卵"，而不是精确测量虫卵尺寸。
比较关键的一个实验是降低推理置信度阈值后的效果。默认 0.25 的阈值下 recall 大约是 87%，降到 0.05 后 recall 提升到 96%，但同时误报从每张 0.8 个涨到 2.4 个。为了解决这个矛盾，我加了一个"二次确认"策略：低置信度框不直接丢弃，而是通过形态学特征（面积、周长、椭圆度）过滤。简单说，置信度低但形状特别像虫卵的框保留并标为"待人工复核"，形状不像的直接丢弃。这套流程把误报降回了每张 1.1 个，同时 recall 保持了 94% 左右。
4.3 不同倍率图像的差异对比
低倍率图和高倍率图的检测性能有明显差异，这个差异如果不做针对性处理，部署时很让人头疼。低倍率图像上虫卵尺寸更小、背景干扰更多，模型 recall 比高倍率低了 5~8 个百分点。我专门跑了一个对比实验：只用高倍率图训练，再在低倍率图上测试，recall 直接掉了 20 多个点，基本不可用。但把两者混训后，低倍率图上的 recall 回升到可用水平。这也验证了之前采集策略的正确性——如果当初只顾着高质量高倍图像而忽略低倍率图，这个模型一上线就会漏检。
5. 从"能跑通"到"能落地"：医学检验场景的特殊问题
模型指标再好，到了真实科室环境就是另一回事。我在部署进检验科流程的时候，碰到了一连串实验室里根本不会遇到的新问题，这里挑几个最有代表性的讲。
5.1 假阴性的代价远比假阳性高得多
这是医学场景和通用 CV 场景最根本的思维差异。在自然场景做目标检测，一个误报可能只是 UI 上多一个框；在虫卵筛查里，漏报一个蛔虫卵可能是医疗纠纷。所以我把模型定位严格限制在"辅助初筛"而不是"自动出报告"：模型标记可疑区域，技师只需复核模型标记的位置，而不是从头到尾扫完整张片子。这刚好对应了我在置信度阈值上做的那套"二次确认"策略——低置信度不删，留给人工。
部署时我把模型坐标映射回原始视野的坐标系，在镜检软件中直接显示打框结果。技师通过目镜看到打框标记与显微镜视野的联动，实际上是在数字图像上做复核，然后用脚踏板或键盘标记确认或否决。这套流程跑下来，一个标本的初筛时间从平均 6 分钟降到了 3 分钟左右，漏检风险降低了不少。
5.2 负样本缺失是下一个要补的课
做数据集的时候我犯了一个容易忽视的错误：只收集阳性样本。这导致模型在"没有虫卵"的阴性涂片上表现不稳定，偶尔会在残渣或气泡上误报。后来我意识到，模型不仅要学会"虫卵长什么样"，还要学会"没有虫卵时无所谓"。
我给数据集补了一批阴性涂片图，大约 800 张，这些图不包含任何虫卵，只有粪便背景。训练时 YOLO 对没有目标框的图会计算背景损失，这能有效压制误报。补了阴性样本后，每张图的平均误报数下降了约 40%。这个经验对任何做医学检测数据集的人都有参考价值：正样本决定召回上限，负样本决定精度下限。
5.3 多尺度推理与实际部署的取舍
推理阶段我用的是多尺度推理：同一张图同时用 640 和 1280 两个尺寸过模型，然后融合结果。这个方法对小目标检测的提升非常明显，但推理时间几乎翻倍。最后我做成可配置的，日常初筛用 1280 单尺度，遇到可疑标本或高倍图需要确认时再启用多尺度融合。检验科里没人愿意等超过 10 秒的结果，这个折中方案在实践中比较受认可。
部署环境选型上也有一点值得分享：一开始我打算用 ONNX Runtime 做 CPU 推理，这样对硬件要求最低。但实际测试发现 CPU 跑 1280 输入的 YOLOv8m 接近 1 秒一张，虽然不算慢，但连续处理标本还是会积累延迟。后来我用了带 TensorRT 的 GPU 推理，延迟降到 100ms 左右，整个科室的反馈立刻不一样了。所以部署前先算清延迟账，别让算法成为流程瓶颈。
6. 数据集扩版与踩坑汇总：给后来人的实操建议
最后这部分把我在数据集构建和模型落地过程中积累的实操经验集中做个总结，以及后续计划。如果你正在做类似任务，这些建议能帮你少走不少弯路。
6.1 做显微镜目标检测数据集的通用心法
第一，优先保证标注一致性，其次再谈标注数量。我见过不少研究团队盲目追求图片数量，却忽视标注的边界框是否贴合形态，模型在训练时接收到大量冲突的标注信息，结果精度很难提升。与其用 1 万张粗标图，不如用 3000 张精标图，效果差别非常明显。
第二，尽量在一个统一的采图环境下做数据采集。显微镜的光照条件、物镜倍率、相机设置都要固定，否则模型会把不同光照当成不同类别特征去学习，泛化能力反而下降。如果无法统一，每个环境下单独拍一批图，让模型见过足够多的环境多样性。
第三，类别定义要结合临床报告习惯，而不是形态学教科书。比如蛔虫卵的受精和未受精，在临床报告里可能统称"蛔虫卵"或单独区分，取决于科室的信息系统支持哪种记录。不管按哪个定义，数据集内部必须一致，否则模型学到的类别边界是混乱的。
第四，标注人员一定要有医学背景参与。纯 CV 工程师标注虫卵几乎必错，我在早期就吃过这个亏。建立标注规范时，最好把形态学参考图做成图册发给标注员，每题类附 5~6 个典型实例和 3 个边界案例，这样可以显著降低标注分歧率。
6.2 后续的两个扩展方向：负样本扩充与实例分割
目前这套数据集的下一步规划很明确：一是继续扩充阴性涂片背景图，让模型在真实场景中的误报进一步下降；二是从目标检测升级到实例分割。虫卵形态不规则，有时两个虫卵叠在一起，检测框会合并成一个，分割模型能提供更精细的形态信息。YOLOv8 本身就有分割分支，迁移成本不高，只是标注需要从 box 升级到 polygon，工作量会上去，但课题价值也更大。
另一个方向是跨中心泛化。目前数据集只来自少数几个合作单位的样本，不同地区、不同实验室的虫卵发育状态和制片习惯会有差异。验证集里加入了另一家医院的少量图像后，整体指标确实下降了几个点，这说明数据多样性还需要继续积累。如果有同行手里有标注数据，我非常欢迎交流共建，这类数据集靠单打独斗很难做大。
6.3 回看整个项目的一点体会
回头看我踩过的坑，最深的感触是：医学检验 AI 的难点从来不是算法本身，而是数据质量、医学知识和工程部署三者的结合。YOLO 这个训练框架确实好用，但在垂直领域做精准检测，没有高质量的数据集，再好的模型也只是空中楼阁。这套 3600 张的寄生虫虫卵检测数据集，单从数量上看并不算大，但每一张都经过医学审核和严格标注，这才是它在实际部署中能站稳脚跟的原因。如果你在同样的方向，我的建议很简单：先把数据规范和采集流程磨好，再谈模型调参，顺序不要反。
