简介面向计算机相关专业毕业设计的高分项目围绕乳腺肿瘤超声图像BI-RADS分级任务提供完整Python源码与全部训练数据适合需要完成毕设、课设或进行深度学习实战练习的学生直接参考复用。压缩包体积约588.89MB共1219个文件其中包含约1200张png超声图像样本、6个py源码文件、XML标签配置、pth模型权重以及README说明文档从数据到模型一应俱全。已有53人学习下载。项目由导师指导并认可评审分99分代码完整可直接运行。通过阅读源码与说明文档可快速理解数据预处理、模型训练、分级预测的整体流程结合图像样本与权重文件还能复现实验效果或在此基础上替换数据集进行二次开发。对于首次接触该任务的学习者清晰的目录结构与说明文档也能帮助快速上手显著降低毕业设计搭建环境与调参的时间成本。1. 这个毕设题目到底在解决什么超声医生对同一张图的分级往往不一致在乳腺超声检查里BI-RADS分级直接决定患者下一步是定期复查还是穿刺活检但同一个病灶不同年资的医生打出来的级别经常不一样——有人给4A有人给4B这类现象在科室里并不少见。基于深度学习的乳腺肿瘤超声图像BI-RADS分级研究就是用卷积神经网络把超声图像直接映射到BI-RADS级别替医生做一版客观的、可复现的预判减少主观差异带来的漏诊或过度活检。这个题目对做毕业设计的人来说尤其合适数据模态单一、任务边界清晰、评价指标成熟不需要像目标检测那样处理复杂场景又不至于像纯分类MNIST那样没有临床价值。适合想入门深度学习、又希望成果有医学落地场景的本科生或研究生。下面按我自己的实践顺序把数据准备、模型选型、训练调参与验证踩坑完整拆开讲。2. 先吃透BI-RADS分级再谈模型结构标签含义决定网络设计2.1 BI-RADS分级结构哪些级别是模型真正需要区分的BI-RADS是乳腺影像报告和数据系统的缩写超声报告里的分级从0到6每一级背后对应不同的临床处置建议。做模型前先把这张表刻在脑子里分级临床含义典型处理样本常见程度0评估不完整需要补充检查召回重新扫查极少入训练集1阴性未见异常常规随访收集较难2良性发现常规随访较多3可能良性恶性概率2%短期复查中等4A低度可疑恶性概率2%-10%建议活检偏多4B中度可疑恶性概率10%-50%建议活检中等4C高度可疑恶性概率50%-95%建议活检偏少5高度提示恶性概率≥95%直接临床干预少6活检已证实恶性进入治疗路径不入训练集模型要学的核心难点在4A、4B、4C这一簇因为2级和3级、5级相对好分而4类三兄弟在超声图像上的灰阶差异非常微弱很多时候只是形态学上的细微差别标注者自己都容易犹豫。实际落地时我一般会把0级和6级样本剔除只保留2、3、4A、4B、4C、5这六个级别如果某个级别样本太少就合并相邻级别降成5分类甚至3分类。常见做法是让模型输出这5个概率再取argmax作为最终分级同时配合第5章讲的阈值移动来处理类别边界。2.2 为什么先做单模型分类而不是先检测再分类很多初学者拿到医学图像第一反应是上YOLO做检测再对检测框做分类。但乳腺超声图有自己的特点探头扫查时病灶通常已经被医生框选或处于图像中央区域单张图里往往只有一个目标且背景是大面积的黑色无回声区。这种情况下检测头学到的更多是“哪里有病灶”的位置先验而不是“病灶是什么级别”的判别特征相当于把问题复杂化了。我的做法是直接用一个图像分类网络做端到端分级把病灶ROI裁出来作为输入。只有当你的数据来自完整扫查视频、需要先从多帧里定位病灶时才值得加一个检测前置模块。对毕业设计而言先把单分类模型跑通拿到基线再考虑扩展检测分支是最省时间的技术路线。这也是超声图像BI-RADS分级研究与“基于深度学习的口腔疾病图像识别系统”这类口腔影像分类任务最大的区别——口腔图像还要先定位牙齿区域而乳腺超声数据集预处理时通常已经完成了ROI标注。2.3 数据与预处理从原始超声图到模型输入的关键四步公开的乳腺超声数据集大多只有良性/恶性/正常三类标签并没有细粒度的BI-RADS标注这是做这个题目第一个要面对的坑。如果拿到的“全部数据”里自带BI-RADS标签那最好如果没有你需要请有经验的超声医生对良性/恶性样本做二次归档把良性映射为2-3级把恶性按形态特征拆到4A-5级。这个过程本身就是在清洗标签噪声后面第4章会专门展开。拿到数据之后预处理按下面四步走顺序不要乱去标识与脱敏删除图像上的医院名称、患者姓名、检查号水印医学数据这步不能省。ROI裁剪利用数据里的病灶掩码或标注框把病灶区域连同周边小范围组织裁出来。没有掩码时可以写一个简单的阈值分割辅助裁剪因为超声图像背景黑色占比高otsu阈值加上最大连通域筛选通常能定位到病灶。尺寸统一裁剪后的ROI缩放到256×256再做中心裁剪或随机裁剪到224×224这是ImageNet预训练模型的标准输入尺寸。数据增强超声图像对翻转不敏感水平翻转、小角度旋转、轻微缩放都可以用亮度对比度增强要谨慎因为超声设备的增益设置不同过度调整会引入伪影。关于数据划分有一个铁律必须按患者维度划分训练集、验证集和测试集。同一个患者往往有多张不同切面的超声图如果随机划分同一个人的图会同时出现在训练集和测试集里模型实际上是在“背答案”测试指标会虚高好几个点。下面是按患者ID划分的一个简洁实现import os import random from collections import defaultdict # 假设数据目录结构data/患者ID_切片序号.png # 更稳妥的做法是维护一张csv表filename, patient_id, birads_label # 这里演示从文件名中提取患者ID并做分组划分 samples [] for fname in os.listdir(data): patient_id fname.split(_)[0] # 文件名前缀是患者ID samples.append((fname, patient_id)) patient_groups defaultdict(list) for fname, pid in samples: patient_groups[pid].append(fname) all_pids list(patient_groups.keys()) random.seed(42) random.shuffle(all_pids) n len(all_pids) train_pids set(all_pids[:int(0.7 * n)]) val_pids set(all_pids[int(0.7 * n):int(0.85 * n)]) test_pids set(all_pids[int(0.85 * n):]) train_files [f for pid in train_pids for f in patient_groups[pid]] val_files [f for pid in val_pids for f in patient_groups[pid]] test_files [f for pid in test_pids for f in patient_groups[pid]] print(f训练集图像数: {len(train_files)}, 验证集: {len(val_files)}, 测试集: {len(test_files)})这段代码的核心思想是先按患者ID聚合所有图像切片再把患者ID列表整体切分成三份而不是直接切图像文件。注意随机种子固定为42保证每次实验划分一致方便对比不同模型的效果。如果后期做交叉验证也要在患者层面做KFold否则泄漏问题会一直存在。3. 用ResNet18跑通最小可复现方案训练代码与参数说明3.1 数据加载与标签映射自定义Dataset的正确姿势模型选型上第一优先级不是上EfficientNet或者Swin Transformer而是ResNet18。原因很简单乳腺超声数据集通常只有几百到几千张图深度网络容易过拟合ResNet18参数量小、预训练权重容易获得、训练速度快是快速验证baseline的最优选择。等ResNet18的结果稳定了再换ResNet50或者EfficientNet做对比实验这样工作量可控。自定义Dataset需要同时完成图像读取和标签映射直接继承torch的Dataset类import torch from torch.utils.data import Dataset from PIL import Image import os # BI-RADS级别到索引的映射剔除0级和6级 LABEL_MAP { 2: 0, 3: 1, 4A: 2, 4B: 3, 4C: 4, 5: 5 } class BUSIDataset(Dataset): def __init__(self, file_list, label_dict, transformNone): self.file_list file_list self.label_dict label_dict # {文件名: BI-RADS标签字符串} self.transform transform def __len__(self): return len(self.file_list) def __getitem__(self, idx): fname self.file_list[idx] image Image.open(os.path.join(data, fname)).convert(RGB) label_str self.label_dict[fname] label LABEL_MAP[label_str] if self.transform: image self.transform(image) return image, label这里有几个细节超声图像本来是单通道灰度图但ImageNet预训练模型需要三通道输入所以用convert(RGB)把灰度图复制到三个通道这是迁移学习的常规处理。标签映射用字典而不是if-else链后续加类别或改映射只动LABEL_MAP一处方便维护。transform部分建议用torchvision的Compose组装训练集和验证集用不同的增强策略from torchvision import transforms train_transform transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomResizedCrop(224, scale(0.8, 1.0)), transforms.RandomHorizontalFlip(p0.5), transforms.RandomRotation(degrees10), transforms.ColorJitter(brightness0.2, contrast0.2), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) val_transform transforms.Compose([ transforms.Resize((256, 256)), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])RandomResizedCrop里的scale设成(0.8, 1.0)避免裁剪掉太多病灶区域。ColorJitter的brightness和contrast参数不要给太大超声图像的灰度分布本身敏感0.2已经是保守值。Normalize的均值和标准差直接用ImageNet的统计量这是迁移学习的标准做法不需要重新统计超声图像自己的分布。3.2 模型构建与训练循环带类别权重的交叉熵训练主循环里最值得注意的不是网络结构本身而是损失函数如何处理类别不平衡。4A级样本往往是最多的5级和3级偏少直接用默认CrossEntropyLoss会让模型偏向样本多的类别。解决方法是统计每个类别的样本数量按反比算权重import torch import torch.nn as nn import torch.optim as optim from torchvision import models from torch.utils.data import DataLoader from collections import Counter import numpy as np # 统计类别样本数用于计算损失权重 label_counts Counter(label_dict[f] for f in train_files) total sum(label_counts.values()) class_weights [] for label_str in LABEL_MAP.keys(): count label_counts.get(label_str, 1) class_weights.append(total / count) # 反比权重样本越少权重越大 # 归一化到均值1附近避免权重过大导致训练震荡 class_weights torch.tensor(class_weights, dtypetorch.float32) class_weights class_weights / class_weights.mean() print(f类别权重: {class_weights.numpy().round(2)}) # 加载预训练ResNet18并替换最后一层 model models.resnet18(weightsmodels.ResNet18_Weights.IMAGENET1K_V1) in_features model.fc.in_features model.fc nn.Linear(in_features, len(LABEL_MAP)) # 冻结前几层只微调最后一层和残差块的高层特征 for name, param in model.named_parameters(): if name.startswith(layer4) or name.startswith(fc): param.requires_grad True else: param.requires_grad False criterion nn.CrossEntropyLoss(weightclass_weights, label_smoothing0.1) optimizer optim.AdamW(filter(lambda p: p.requires_grad, model.parameters()), lr1e-4, weight_decay1e-4) scheduler optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max30)关键技术点有两个一是部分冻结策略刚上手时把所有层都解开训练几千张图很容易把预训练权重冲毁所以我先冻结前面几层只让layer4和全连接层参与更新相当于在ImageNet已经学会的纹理特征之上适配超声图像二是label_smoothing设为0.1对医学数据来说能防止模型对训练标签过于自信因为医生标注本身有不确定性。优化器用AdamW而不是SGD收敛更稳weight_decay给到1e-4即可。训练主循环按标准写法推进每次迭代同时跑train和val两个阶段并且用早停控制训练轮数def train_one_epoch(model, dataloader, criterion, optimizer): model.train() total_loss, correct, total 0.0, 0, 0 for images, labels in dataloader: images, labels images.cuda(), labels.cuda() optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() total_loss loss.item() * images.size(0) correct (outputs.argmax(1) labels).sum().item() total labels.size(0) return total_loss / total, correct / total def evaluate(model, dataloader, criterion): model.eval() total_loss, correct, total 0.0, 0, 0 with torch.no_grad(): for images, labels in dataloader: images, labels images.cuda(), labels.cuda() outputs model(images) loss criterion(outputs, labels) total_loss loss.item() * images.size(0) correct (outputs.argmax(1) labels).sum().item() total labels.size(0) return total_loss / total, correct / total best_val_acc 0.0 patience, trigger 15, 0 for epoch in range(50): train_loss, train_acc train_one_epoch( model, train_loader, criterion, optimizer) val_loss, val_acc evaluate(model, val_loader, criterion) scheduler.step() print(fepoch {epoch:02d} | train_loss {train_loss:.4f} | ftrain_acc {train_acc:.4f} | val_acc {val_acc:.4f}) if val_acc best_val_acc: best_val_acc val_acc trigger 0 torch.save(model.state_dict(), best_birads_model.pth) else: trigger 1 if trigger patience: print(早停触发停止训练) break早停patience设15是一个经验值医学图像分类任务收敛慢patience太小会在验证集波动期误停。训练过程中发现val_loss一直降但val_acc不动优先检查是类别不平衡导致的精度停滞而不是调整学习率。3.3 核心参数怎么设一份可以直接照抄的起点配置我常用的训练配置整理成下表新手先照这个跑跑稳定后再逐个调参数推荐值调整方向输入尺寸224×224显存够可试256信息更多但训练更慢预训练模型ResNet18基线用18后期换50对比冻结策略冻结到layer3数据量大时解冻更多层损失函数CrossEntropy label_smoothing0.1噪声严重时smoothing提到0.2类别权重反比归一化严重不平衡时再加指数平滑优化器AdamW, lr1e-4换SGD时lr提到1e-3weight_decay1e-4过拟合明显时加到1e-3batch_size16或32看显存16更稳学习率调度CosineAnnealing, T_max30换成StepLR时step10, gamma0.5早停patience15验证集波动大时加到20关于batch_size有个细节医学图像里同一批数据如果恰好都是某一个级别梯度方向就会被带偏所以DataLoader的shuffle一定要开并且尽可能设大num_workers。训练时如果发现loss出现NaN先检查学习率是不是过大其次检查图像像素值有没有异常超声图像偶尔会有设备写入的异常高亮像素Normalize之后依然可能造成梯度爆炸。4. 超声图像分类避坑指南数据、标签与训练的三类翻车现场4.1 标签噪声同一个病灶两位医生给的分级不一样现象训练集里同一张图对应的标签在不同版本的数据里不一致模型loss降到一定程度就卡住验证集指标忽高忽低。原因BI-RADS 4A、4B、4C的边界本来就模糊医生标注一致性Kappa系数通常只有0.7左右数据整理时没有做复核就拿来训练等于把噪声当成了标准答案喂给模型。解决训练前找一位高年资医生对全部样本复核至少把分歧大的样本挑出来讨论一致后合并标签。如果资源不够用软标签训练即把样本标记为“70%概率4A、30%概率4B”配合KL散度损失。软标签在医学分类里是应对标注者主观性的常用手段。4.2 类别不平衡4A占了大头3级和5级少得可怜现象模型预测几乎全是4A其他级别查全率接近零但整体准确率看着还有60%以上属于典型的被多数类带偏。原因超声报告里4A本来就是最常见建议活检的级别而5级恶性特征明显的样本比例天然偏低。直接硬训模型学到的只是训练集的先验分布。解决先把类别权重加上第3章的实现再加一个过采样策略用WeightedRandomSampler保证每个batch里各等级比例大致均衡。如果5级样本实在少于30张建议干脆把5级和4C合并成一类不要硬保六个级别。4.3 黑色背景干扰直接resize导致病灶被压缩变形现象模型在训练集上acc很高测试集上对同一个病灶换了一张扫查角度略有不同的图就预测错了。原因原始超声图像很大一部分是扇形扫查以外的黑色区域直接整图resize后病灶被缩成很小一块模型实际学到的特征大量来自“黑色占比”这种伪特征换个扫查深度就失效。解决必须先用掩码或标注框裁剪ROI再resize。没有掩码时用简单阈值分割圈出病灶区域取外接矩形并向外扩展20个像素作为裁剪范围。这个预处理步骤比换任何网络结构都重要是最容易忽略但收益最大的一步。4.4 同患者图像泄漏验证集指标虚高到不真实现象测试集准确率95%看起来结果极好但实际部署到新患者身上准确率掉到70%。原因同一个患者的超声图往往有十几张不同切面随机划分时同一患者的数据同时进入训练集和测试集模型靠记忆患者特异特征比如同一台设备的成像风格就拿到了高分。解决回到第2.3节的代码按患者ID做GroupShuffleSplit确保同一个患者的所有图像要么全在训练集要么全在测试集不允许跨集合出现。4.5 数据量太小几千张图也喂不饱大模型现象ResNet50换上之后验证集指标比ResNet18还低且训练集acc非常高典型的过拟合表现。原因医学超声数据集规模普遍只有几百到几千张ResNet50参数量翻了几倍正则化约束不变模型开始死记训练集。解决三个方向配合——一是加深数据增强加入弹性形变和随机擦除二是冻结更多层只训练全连接层加layer4三是引入交叉验证用统计指标而不是单次划分的结果来下结论。换更大模型这件事要放在所有常规手段之后而不是一开始就上。5. 验证模型是否真的能用从准确率到可解释性5.1 混淆矩阵与决策阈值在敏感度和特异度之间取舍训练完成之后不要只看验证集准确率。医学场景里把4A误判成2级和把2级误判成4A的代价完全不同前者漏掉了一个该做活检的患者后者让一个良性患者白挨一针。所以第一件事是输出混淆矩阵看清错误都集中在哪些类之间import numpy as np from sklearn.metrics import confusion_matrix import seaborn as sns import matplotlib.pyplot as plt # y_true: 真实标签索引列表, y_pred: 模型预测索引列表 cm confusion_matrix(y_true, y_pred, labelslist(range(6))) class_names [2, 3, 4A, 4B, 4C, 5] plt.figure(figsize(8, 6)) sns.heatmap(cm, annotTrue, fmtd, cmapBlues, xticklabelsclass_names, yticklabelsclass_names) plt.xlabel(预测分级) plt.ylabel(真实分级) plt.show()绝大多数情况下你会发现两件事一是错误主要集中在相邻级别比如4A和4B之间互相串这是符合临床认知的因为超声图像上这两个级别的差异本来就细微二是跨级别错误虽然少但一旦出现4A误判为2级这种跨越必须单独拿出来分析。对于第二种情况一个常用做法是移动决策阈值——模型输出的概率分布里如果4A的概率和3级的概率十分接近则强行判为更高一级宁可把病人往上推一级做复查也不能漏掉潜在恶性。5.2 AUC与Kappa两个比准确率更有说服力的指标多分类准确率容易受类别分布影响我一般同时报告加权AUC和Cohens Kappa。Kappa这个指标在医学文献里出现频率很高用来衡量模型预测与医生标注的一致性比准确率更能说明模型的实用价值from sklearn.metrics import roc_auc_score, cohen_kappa_score # 多分类AUC用one-vs-one方式macro平均 y_prob np.array(pred_probs) # shape (N, 6)每行是各分类概率 y_true_arr np.array(y_true) auc_macro roc_auc_score(y_true_arr, y_prob, multi_classovo, averagemacro) kappa cohen_kappa_score(y_true_arr, y_pred, weightsquadratic) print(fmacro AUC: {auc_macro:.4f}) print(fquadratic weighted Kappa: {kappa:.4f})quadratic weighted Kappa会对跨级别错分施加更大的惩罚比如把2级判成5级比把4A判成4B的代价高得多这和临床风险是一致的。如果Kappa低于0.6说明模型和医生的整体认知还有较大偏差这时候优先排查标签噪声而不是换网络结构。5.3 Grad-CAM可视化让模型说清楚它看了哪里最后一步是用Grad-CAM把模型决策依据画出来看看它到底是看了病灶的边界、内部回声还是不相关的组织区域。这一步对毕设答辩尤其加分因为医学领域的评审最关心“你这个模型能不能说清楚为什么这么分”。用梯度钩子实现一个简化版本import torch from torch import nn class GradCAM: def __init__(self, model, target_layer): self.gradients None self.activations None self.target_layer target_layer self._register_hooks() def _register_hooks(self): def forward_hook(module, input, output): self.activations output.detach() def backward_hook(module, grad_input, grad_output): self.gradients grad_output[0].detach() self.target_layer.register_forward_hook(forward_hook) self.target_layer.register_full_backward_hook(backward_hook) def generate(self, input_tensor, class_idxNone): output model(input_tensor) if class_idx is None: class_idx output.argmax(dim1).item() model.zero_grad() one_hot torch.zeros_like(output) one_hot[0, class_idx] 1 output.backward(gradientone_hot) weights self.gradients.mean(dim(2, 3), keepdimTrue) cam (weights * self.activations).sum(dim1, keepdimTrue) cam torch.relu(cam) # 上采样到输入尺寸并归一化 cam nn.functional.interpolate(cam, sizeinput_tensor.shape[2:], modebilinear, align_cornersFalse) cam cam.squeeze().cpu().numpy() cam (cam - cam.min()) / (cam.max() - cam.min() 1e-8) return camtarget_layer选model.layer4[-1]也就是最后一个残差块的输出这是ResNet里语义信息最丰富的一层。把热力图叠加在原图上如果模型在4C/5级样本上激活区域集中在病灶内部的高回声区说明它学到了合理的恶性特征如果激活区域散落在图像边缘或者黑色背景上说明预处理阶段ROI裁剪不到位回去重新处理数据。6. 从高准确率到真正能用的系统部署方向与多模态扩展模型验证达标之后想要往真正的临床辅助工具靠拢有两条路可以走。第一条是给模型加上临床结构化特征超声报告里除了图像本身还有病灶大小、形态、边缘、回声类型这些描述把图像特征向量和这几个数值特征拼接起来再过一个全连接层输出分级往往比纯图像模型更稳。这个改法代码量不大但需要在数据整理阶段额外维护一张临床信息表适合时间充裕的情况。第二条路是导出ONNX部署成一个小工具让医生上传超声图片就能看到分级概率和Grad-CAM热力图这本质上是一个Flask页面可以为后续写正式系统积累经验。关于验证方式我一直习惯做一次独立测试集评估并且全程不参与调参训练阶段只碰验证集所有模型选型和参数调整都结束后才在测试集上跑一次最终指标。两次用同一批测试集评估得到的结果会因为调参过程中的隐性过拟合而虚高这是新手最常犯的翻车操作。另外每次实验记录下数据划分的随机种子、数据增强配置、模型权重路径和最终指标方便横向对比。我自己做这类医学图像课题的教训就一条先花60%时间把数据整理干净再谈模型数据集里的患者泄漏、标签噪声和ROI质量问题对最终指标的影响远大于换成ResNet50还是EfficientNet。先把第4章那些坑全部趟过一遍再回头优化网络结构你会发现调参之路变得顺畅很多。希望这份从数据到落地的完整梳理能帮到你。本文还有配套的精品资源点击获取