超声科的日常里，下肢深静脉血栓（DVT）筛查属于典型的高频、高难、高疲劳任务。医生握着小探头，在患者小腿上来回扫，眼睛得同时盯住灰阶图像和血流频谱，发现血管腔内的低回声区还要手动压一压探头判断血栓质软质硬。这个流程既依赖手法又依赖经验，容易漏不说，年轻医生和新手技师之间的判断差异还很大。我们做的这套基于YOLOv26的深静脉血栓检测与识别系统，思路很直接：让目标检测模型先把血管里疑似血栓的区域标出来，医生再针对这些区域做二次确认。它不是替代医生的自动诊断工具，而是处理筛查环节里的“定位”问题。
这套系统从数据收集到最终能放在超声工作站旁边跑起来，前前后后经历了好几轮结构改造和参数调整，中间踩的坑大多跟医学影像本身的特点有关，跟通用目标检测的套路有明显区别。这篇就完整复盘整个项目：数据怎么标、模型怎么选、训练怎么调、部署要注意什么，适合正在做医学影像AI或者准备把检测模型落到垂直场景的开发者参考。
1. 先捋清楚：DVT检测要解决的核心痛点到底是什么
1.1 临床场景还原：为什么超声图像上的血栓这么难找
下肢深静脉血栓在术后卧床、骨折制动、肿瘤患者群体里并不少见，血栓一旦脱落随血流堵塞肺动脉，后果相当严重。所以病房里对下肢血管超声的需求量一直居高不下，但真正的血管超声专家数量极其有限，大量筛查工作落到普通超声科医生身上。
超声下血栓的典型表现是静脉管腔内出现实性低回声或中等回声团块，管腔被撑大了，但探头加压的时候又压不扁。听上去特征并不模糊，现实情况却要“脏”得多。超声图像本身信噪比差，血管壁和周围组织对比度低，血流伪影、肌肉回声、钙化斑块、脂肪组织都可能让管腔内出现类似血栓的低回声区域。再加上扫查角度不同，血栓形态、边界和回声强度变化很大。初学者容易把慢血流的自发显影当成血栓，资深医生又会被过度充盈的小血管迷惑。
通用目标检测模型在自然图像上能轻松识别行人、车辆、猫狗，但放到超声图像上，首先要克服的就是这种高噪声、低对比度、样本形态高度离散的难点。YOLOv26这一代做的最重要的事情，是把轻量级网络的推理速度和深层语义特征提取能力平衡到了一个新的位置，让它既有能力在噪声背景下抓住细小差异，又能在普通GPU甚至CPU端跑出可用的帧率。
1.2 检测目标定义：我们到底要模型画什么框
做医疗AI最忌讳的一件事，就是一上来就想“识别血栓”。血栓这个词太宽泛，得把它拆成模型能学习的明确规则。我们最终定义的目标是：在下肢深静脉的横切面和纵切面图像中，用矩形框标出管腔内最像血栓的核心区域。这个区域的核心标志有两部分，一是管腔内异常回声团块（血块本体），二是管腔扩张或加压后形态不缩小的部位。病灶边界模糊时，标注者优先画腔内实性回声集中的区域，宁可框小一点也不要框到血管壁外。
之所以选择“框”的方式而不是像素级分割，是因为从工程落地角度考虑，临床复核最关心的是“哪里需要重点看”，精细到边界的分割目前误差率还不够稳，反而矩形框直观、容错性好、医生复核成本低。而且矩形框的标注一致性比像素级分割高得多，多个医生标同一张图的ITC（组内相关系数）能做到很高，这对于数据质量非常重要。
1.3 从通用目标检测切换到医学检测的认知转变
做过自然图像检测的朋友刚上手医学影像时，容易套用以前的思维定式。比如默认所有类别都要做均衡采样，或者认为背景干扰可以靠数据增强扛过去。但医学影像应用场景完全不同，最重要的指标不是mAP高低，而是临床可接受的漏检率和误检率。漏检意味着患者可能错过早期干预，误检则意味着医生要花时间去排除无关区域。
这种差别直接改变模型的优化方向。在YOLOv26的部署配置里，我们特意把决策阈值调得像“宁可多看不能漏看”，哪怕换来更高的假阳性率，也要保证在配套的临床工作站提示里不放过任何可疑区域。这个调性决定了后续数据标注、损失函数和评估指标的选择，属于一票否决的设计导向。
2. 数据准备工作：超声图像如何变成模型可学的训练语料
2.1 图像采集与脱敏：第一关其实是合规
影像数据来源是跟某医院的血管超声科合作，最终入库的样本全部来自超声设备导出的静态帧和短视频片断。采集流程里最重要的不是技术，而是合规。所有图像先经过DICOM头信息清洗，把患者姓名、住院号、检查机构等元数据全部抹掉，只保留必要的影像和设备参数。图像本身以匿名编号重新入库，整个数据链路做到“源头不可回溯到个人”。
这个环节看起来不产生模型收益，但一旦省略，后面根本没法进医院去验证算法。很多团队在公开数据集上滚了几个月，一到真实场景部署就被合规卡住，就是因为没在最开始把数据来源管好。合规脱敏流程本身也加了校验环节，专门扫描图像角落可能残留的姓名贴纸和时间为标，防止手工漏掉。
2.2 标注规范：给“血栓”定一套不打架的标注标准
标注标准是医学检测项目里最容易被低估的环节。如果三个人标注同一张图画出来的框差别很大，再好的模型也学不到稳定的特征。我们参考了目标检测里的COCO框规则，再结合血栓特点做了调整。
- 框的覆盖范围：横切面下血栓区域通常是血管腔内较低回声区域，框要包住整个血栓核心，边缘可以稍微紧贴，不需要留边距。
- 纵切面下的长条形血栓：统一用旋转框和水平框两种规格试验后，最终团队用水平框简化。实测发现水平框虽然会多圈一些背景，但在小样本情况下训练稳定性反而更好。
- 边界模糊情况：统一原则是“以灰阶图像上最明显的低回声核心区域为准”，不要把周围声影、增强伪影一并画进去。
- 明显不是血栓但相似的可疑结构：比如静脉瓣、侧支血管开口，需要单独建一个“非目标干扰物”类别吗？
最初我们尝试加一个“伪影”类，结果发现样本量根本喂不饱，YOLOv26的分类头在这个类别上错误率很高。后来干脆把伪影全部归入背景，让模型通过负样本去学习“哪些东西不用管”，效果更干净。标注工具用的是通用标注平台，但内部额外开发了一套快速预标注流程，先让初版模型跑一遍预测，标出高置信度区域，再由医生手工修正，整体标注效率提升了一倍多。
2.3 数据增强策略：不能丧心病狂地乱增
自然影像里常用的翻转、裁剪、旋转、色彩抖动，到超声影像上要重新审视。超声图像的方向有临床含义，正常翻转可能导致左右关系倒置，但DVT检测里血栓位置本身左右对称影响不大，我们保留了水平翻转，裁掉了垂直翻转。色彩抖动基本禁用，因为超声图像灰度分布本身有严格设备相关性，随意抖动会让模型学到错误的纹理。
最终增强组合集中在：轻度旋转（正负8度）、随机缩放（0.8至1.2倍）、亮度对比度微调、轻微模糊以及随机遮挡。随机遮挡这一项值得单独说，它模拟血管被周围组织遮挡时血栓部分不可见的场景，能明显提升模型在部分遮挡情况下的鲁棒性。数据增强后的样本量从原始的1万张扩到了3万多张，但始终控制在同一患者的不同帧不会同时出现在训练和验证集，避免数据泄漏导致指标虚高。
2.4 数据划分：验证集必须按患者来切
数据集按患者维度划分是医学影像项目的铁律。同一患者不同时刻的超声帧虽然看起来不算重复，但内部特征高度相似，如果训练集和验证集混进了同一患者的图像，评估结果会乐观到失真。我们把总体数据按照患者ID分桶，训练集、验证集、测试集的比例定在7比2比1，三个集合之间没有任何患者交集。
模型迭代过程中发现验证集上的mAP50达到0.87，测试集上却只有0.78，中间出现的这个差距最初还以为是过拟合，排查了以后才发现是历史版本里没有干净切分数据。后来重割数据训练，差距缩小到0.03以内，这个教训说明数据划分不规范，后面所有的模型实验对比都会失去意义。
3. 网络结构设计：YOLOv26针对DVT任务做了哪些关键取舍
3.1 主干网络与颈部特征融合：抓住小病灶的关键
YOLOv26的骨干部分延续了这一代YOLO系列在跨阶段特征融合上的思路，但针对超声影像噪声高的特点，我们在特征提取层增加了对浅层细节的保留。血管壁边界、血栓边缘这些细节信息主要集中在浅层特征图，太深的网络反而会把关键信息在层层卷积中抹掉。所以模型的第一、第二阶段输出来了一张额外的特征分支，让它和深层语义特征做不同程度的融合。
颈部采用类似PAN结构的双向特征金字塔，自顶向下传递语义、自底向上补充纹理。这个结构并不是YOLOv26首创，但它在本次DVT任务里把深层的“管腔扩大”语义和浅层的“回声边缘”纹理结合得比较自然，最终小血栓检测的召回率比直接使用之前的版本结构高出8个百分点左右。如果你想复现，建议直接把颈部融合层的通道数调到与其他支路一致，避免某些开源版本里通道数不匹配引发的隐性问题。
3.2 检测头的设计：为什么没上多个子检测头
YOLOv26的检测头在这个项目里没有额外加粗，而是沿用了当代YOLO普遍采用的解耦头结构，把分类和回归分成两个独立分支。之前担心解耦头在超声小目标上会损失定位精度，后来实测发现反而是原来的耦合头受噪声干扰更明显，分类和回归特征互相牵制，训练时loss容易震荡。
DVT检测属于典型的中小目标和小目标并存任务。血栓横切面上往往只有几十个像素到一百多个像素，在设备分辨率较高图像上占比极小。我们保留了模型的三个预测尺度，但额外把浅层的一路检测头输入分辨率提升了一档，使最小的锚点规模从8下降到了4个像素，在最大尺寸输入下能够抓住更细微的低回声区域。代价是推理耗时增加了20毫秒左右，在配套工作站上完全可接受。
3.3 对比尝试：为什么最终锁定YOLO系列而不是分割模型
项目早期我们认真对比过两类路线：一类是基于检测的YOLO系列，另一类是基于分割的U-Net系列以及二阶段检测算法（如经典区域的CNN类方案，但没选更依赖先验框生成的方案）。U-Net做像素级分割理论上能输出更精细的血栓轮廓，但在真实超声图像上边界噪声导致分割轮廓抖动严重，医学复核时反而让医生觉得“不如一个框来得干脆”。
二阶段检测算法依赖区域提议网络生成候选区域，在慢速条件下精度尚可，但在工作站实时筛查场景中跑不到每秒15帧以上，体验上完全不行。YOLOv26把单阶段推理的效率和充分利用多尺度特征的表达能力结合到了一起，在内部验证集上以每秒35帧左右的推理速度达到mAP50超过0.86的水平。对医院这种需要批量预筛查、并非逐帧精读的使用环境，这个配置是当下比较合适的组合。
4. 训练与调参：医疗小数据场景下怎么把模型调稳
4.1 损失函数配置：分类与回归要分开照顾
YOLOv26默认损失函数包含分类损失和回归损失两大块。分类部分我们直接启用变体Focal Loss，核心原因是DVT样本里真正含血栓的正样本比例偏低，背景框数量远大于目标框，标准交叉熵会被大量简单负样本淹没。
回归部分采用CIoU损失的思路，常见开源版本里有轻微改动，我们在训练YOLOv26时还额外叠加了IoU辅助权重。具体做法是让真实框与预测框的交并比较低时，回归损失贡献权重更高，帮助模型优先学会“框的位置大致在哪”，之后在训练后期把权重回调，让模型打磨边界细节。这个参数组合需要特别小心，如果初期权重加得太猛，模型会陷入只顾大框、忽略边界拟合的局部最优。
4.2 超参数实践：从热身学习率到EMA的影子网络
我们最终的训练配置在单卡环境下也具备可复现性，这里直接给出参考值：输入分辨率设成1280乘以1280，批次大小为16，优化器用带动量的小批量随机梯度下降，初始学习率0.01，配合前10轮线性热身，随后采用余弦退火调度降低到0.0001。整个训练迭代600代，在1万张原始训练样本、3万张增强样本的设置下，收敛大概是第350代左右。
EMA影子参数这一条特别建议在医疗场景里开着。它相当于维护一组参数的历史移动平均，推理的时候用平均过的参数而不是当前参数，能明显降低训练后期的抖动，使验证集损失曲线平滑很多。最终测试模型我们用的就是EMA版本，实际误检率比非EMA版本低了约15%，代价仅是显存翻倍，对现有硬件来说不算事。
4.3 评估指标体系：临床场景不能只看mAP
mAP是目标检测的标准指标，但医疗场景里必须附加一组面向临床决策的评估维度。我们采用了两套指标：
- 技术指标：mAP50、mAP50-95、各类别的精确率、召回率、F1分数。
- 临床可用性指标：医生复核时平均每张图的耗时、真阳性区域被推荐覆盖率、假阴性区域清除率。
为什么临床指标这么重要？因为模型输出会被医生作为辅助判断依据，我们真正关心的是在保证较高准确率的前提下，有多少可疑血栓是被模型推荐出来并得到医生确认的。内部测试中，系统在测试集上的召回率达到0.84，对应假阳性框平均每张图0.9个。0.9个假阳性意味着医生每次可能要多扫一眼非血栓区域，这个成本可以接受，但再高就变成干扰了。
4.4 训练过程中最典型的一类失败：漏掉小血栓
训练前期模型对6毫米以下的孤立血栓几乎全部漏检。复盘后发现根因有两个：一是小目标框在数据增强旋转缩放时容易被裁出图像外，导致正样本丢失；二是小目标框的数量占比很少，Focal Loss虽然压制了背景框，但没解决正样本中大小目标不平衡的问题。
解法是在数据增强时加了RoI内裁剪保护：当旋转或缩放后的标注框超出图像边缘时，自动把图像填充到一个更大的画布上，不丢弃样本。同时把小目标采样概率提升了2倍，每张图都强制保留一部分小目标框参与训练。加完这两个改动，小血栓召回率立刻从0.45提升到了0.72，属于整个项目里性价比最高的一次调优。
5. 与工具链整合：把模型搬进医院日常工作流
5.1 模型轻量化与推理加速：标准工作站也能跑
模型训练完成后的部署目标是一台常规配置的超声工作站主机，不放服务器上做远程推理，因为医院影像数据不出科室。这台工作站配的是普通消费级显卡，显存8GB，要在这种环境下跑1280输入分辨率的YOLOv26，必须做压缩。
我们先把模型权重从FP32转成FP16，显存占用直接下降了一半，推理速度提升了约1.4倍。接着把输入分辨率从1280降到1120，mAP只掉0.5个百分点，但每秒帧数从25提升到了40。最后在GPU上跑了TensorRT的深度推理优化，以单张静态图为例耗时才35毫秒左右，完全满足超声扫查过程中实时出框的需求。CPU端我们没做太多工程化，毕竟临床上配备工作站基本都有GPU，没必要在这个环节过度妥协。
5.2 结果输出与可视化：越简洁越好，别把界面做成花
算法输出的最终产品是一套独立运行在超声工作站旁的辅助提醒界面，实时接收设备采集接口的超声帧，检测后把结果叠加显示。界面形态从第一版的花哨彩色框回归到了很朴素的单色框。
原因只有一个：超声医生的视觉注意力宝贵。图像上红色、蓝色、黄色同时出现时，医生很难分清哪个是血流频谱提示，哪个是可疑血栓标记。最终样式选用了绿色单框加侧边文字提示，框只画在血栓核心区域，置信度高的时候附一个“建议复核”标签。实测医生对这种方案接受度最高，误点率明显低于早期版本。
5.3 人机协同的决策边界：框只是一个线索
医疗AI落地最怕的就是产品经理和算法工程师都天真地设想“模型完胜医生”。现实中超声医生对算法输出保持高度审视态度是合理的，模型的角色定位只能是“提醒器”。系统明确标注为检测辅助而非诊断依据，任何一条提示都不能直接进入病历报告，必须由医生手工确认后才能记录。
实际使用中我们发现，系统最大的价值是让水平一般的技师在扫查时保持警觉，看到可疑框后会把探头挪回那个位置多看几秒，避免了因为扫得快导致漏看。至于最终判断血栓是否形成、是否需要干预，依然完全由医生主导。
6. 复盘总结：踩过的坑、想清楚的事和下一步方向
6.1 标注不一致：最大短板可能不是算法而是人
整个项目做完再回头看，最短的木板不是网络结构，也不是训练技巧，而是标注一致性。我们前期没有建立好“边界模糊时如何处理”的规则，导致同一个医生在不同批次里的框大小差异达到20%以上。模型学习时一会儿要学大框、一会儿要学小框，最终只能取一个折中，框位漂移问题从训练第一天就存在。
后来引入了一个双人复核机制：初标者标完，第二个人只针对置信度低的图像做二次修改，再抽10%提交到医生仲裁。这个流程看起来增加了工作量，实际把标注方差压低了近一半，模型收敛速度和最终精度都获得明显提升。建议任何要做医学影像目标检测项目的团队，先把标注手册写细，再谈训练。
6.2 负样本的重要性：没有足够“假血栓”样本就等于在盲人摸象
超声图像上跟血栓形态接近的干扰结构非常多，比如静脉瓣膜、血流缓慢的低回声区、甚至探头压力不足造成的管腔假象。我们早期训练集里正样本占优，模型看到任何低回声区域都倾向于画框，假阳性率一度高到没法用。补了一批经过严格筛选的“近似干扰物”负样本后，模型才慢慢学会了区分。
这个教训对应到自然图像检测里，就是你不能只在“有猫”的图里训检测器，还要在大量“像猫但不是猫”的图里训负样本。很多开源数据集预处理脚本默认会把没有目标的图像直接丢进背景集，数量往往不够，后面需要单独补采，这在医疗项目里几乎是常态。
6.3 下一步：半监督、多模态与多中心验证
DVT检测项目目前还不能说彻底完成，至少还有三条路值得继续走。第一是引入半监督学习，利用海量未标注超声帧做预训练，只对少量关键帧做人工标注，可能把当前依赖的标注成本再砍掉一半。第二是把彩色多普勒血流信息纳入模型输入，血栓区域的血流信号和正常血流频谱特征完全不同，灰度图加血流图做多模态输入，理论上比单纯看灰阶更稳。第三是多中心验证，不同品牌超声设备之间的图像风格差异明显，现在的模型在单一设备数据上效果不错，跨设备后精度下降多少还需要更大范围的数据来验证。
做这类医学影像项目，我的个人体会是：不要过度追求踢高分，先把数据链路的每个环节都做成可追溯、可修正的状态，模型精度和时间回报会成倍放大。如果你也准备拿目标检测模型做类似的辅助识别场景，建议上手的顺序是：先列清楚目标边界，再做标注规范，最终才决定网络结构。把前三步做扎实了，YOLOv26一类的模型会给你超出预期的答案。
