简介这份PDF为一篇发表于《中国医学装备》期刊的学术论著研究基于卷积神经网络CNN的甲状腺结节超声图像良恶性分类问题面向医疗影像、深度学习与机器学习领域的研究者及工程师。内容包含中英文摘要、引言、方法、结果、讨论与参考文献等完整结构核心是对VGG19、Inception V3与DenseNet 161三种预训练模型开展迁移学习训练并在甲状腺结节超声图像分类任务中比较表现准确率依次为88.18%、92.85%与92.91%其中DenseNet 161收敛更快、泛化更佳但显存占用更高模型参数数量与训练效率也有量化分析。压缩包内为单个PDF文件约2.87MB下载后可直接阅读原文。目前已有229人学习浏览。读者可从中获得完整的深度学习分类实验设计、迁移学习微调流程、医学超声图像预处理及效果评估方法也可借鉴DenseNet等模型在辅助诊断任务中的选型依据对开展同类医学影像课题具有实用参考价值。1. 甲状腺结节超声分类为什么说这是个能落地的好课题超声科的大夫每天要判读几百张甲状腺超声结节的良恶性结论直接影响患者要不要穿刺而不同年资医生之间的判读一致性其实并不高。用卷积神经网络做甲状腺结节超声图像良恶性分类正是想把这个主观判断过程变成可重复的自动流程跟影像科大量筛查场景合拍。完整的流程可以拆成四段数据预处理、网络设计、训练调参与评估避坑代码直接能跑通。适合正在做医学图像课题的研究生也适合手头有一批超声结节图像、想快速搭出基线的工程师。2. 超声图像预处理与ROI裁剪分类效果的第一道分水岭超声图像和普通人拍的彩色照片差别非常大。照片里有丰富的颜色纹理超声图像却是灰度、低信噪比、布满斑点噪声的而且同一台机器不同探头参数拍出来的灰度分布都不一样。如果直接拿原始B超图丢进卷积神经网络模型会花大量容量去学习噪声模式而不是结节本身的边界、内部回声和钙化点。我在这个方向上的第一个建议把预处理当作整个课题的分水岭而不是随便resize一下。2.1 预处理流水线去噪、归一化与ROI裁剪的取舍先定目标最终给网络的输入是一张大小统一的、包含结节且留有一定周边组织的灰度图。为什么不能只裁结节本身因为超声医生判断良恶性时非常依赖结节与周围甲状腺组织的边界关系比如「晕环是否完整」「后方回声是否衰减」这些信息有一部分在结节外围把周围组织全裁掉等于把临床判据丢掉了。我一般留出结节外扩约20%到30%的周边区域作为上下文。去噪这步容易翻车。超声图像经典的去噪方法是中值滤波或双边滤波但甲状腺结节里很多恶性特征恰恰是微钙化——比周围组织亮的小斑点直径只有一两毫米。滤波核设大了微钙化会被当成噪声抹掉。我的做法要么不做空间滤波要么只用3x3中值滤波做一次轻微处理把高斯滤波这种全局平滑直接排除掉。宁可让噪声进网络也不要模糊掉关键特征。归一化要单独说。超声设备输出的灰度范围通常不是0到255的满量程很多机器只用到其中一段而且不同医院设备差别大。最好先统计训练集的灰度直方图做z-score归一化mean和std用训练集统计得到而不是简单除以255。z-score的好处是让网络对设备亮度差异不那么敏感收敛也更快。下面的PyTorch预处理类是我常用的写法包含读图、灰度转换、中心裁剪与归一化import cv2 import torch from torch.utils.data import Dataset class ThyroidNoduleDataset(Dataset): def __init__(self, image_paths, labels, roi_centers, crop_ratio0.30, img_size224, mean0.0, std1.0): self.paths image_paths self.labels labels # 0: benign, 1: malignant self.roi_centers roi_centers # (x, y) 结节中心坐标由标注给出 self.img_size img_size self.crop_ratio crop_ratio # 外扩比例0.3 表示保留结节外30%的周边组织 self.mean, self.std mean, std def __getitem__(self, idx): img cv2.imread(self.paths[idx], cv2.IMREAD_GRAYSCALE) h, w img.shape[:2] cx, cy self.roi_centers[idx] half_h int(h * 0.5 * (1 self.crop_ratio)) half_w int(w * 0.5 * (1 self.crop_ratio)) x1, y1 max(0, cx - half_w), max(0, cy - half_h) x2, y2 min(w, cx half_w), min(h, cy half_h) roi img[y1:y2, x1:x2] roi cv2.resize(roi, (self.img_size, self.img_size), interpolationcv2.INTER_LINEAR) roi_t torch.from_numpy(roi).float().unsqueeze(0) / 255.0 roi_t (roi_t - self.mean) / self.std return roi_t, torch.tensor(self.labels[idx], dtypetorch.float32)这段代码的关键在ROI裁剪那几行。为什么用结节中心加上外扩比例而不是直接用标注框因为标注框往往贴着结节画框的边缘就是结节的边界直接裁会把边界上下文裁掉以中心向四周外扩才能稳定保留周边组织。crop_ratio0.30不是写死的我做过实验0.2到0.5之间对最终AUC影响约2到3个百分点0.3附近通常最稳。如果你拿到的数据已经有分割掩码用掩码的质心代替中心坐标效果一样。mean和std需要在训练前对整个训练集扫一遍算出来存好不要用ImageNet的均值超声灰度图和数据分布完全对不上。2.2 数据增强医学小样本训练不翻车的关键甲状腺超声公开数据集一般只有几百到一千多张图这个量级对卷积神经网络来说远不够。数据增强在这里不是锦上添花是决定模型会不会过拟合到文件名的关键手段。但超声图像的增强要克制不能照搬ImageNet那套。我常驻的在线增强配置是水平翻转可用、小角度旋转±15度以内、轻微缩放0.9到1.1、亮度对比度抖动。垂直翻转在很多医学图像任务里要谨慎——超声探头有成像方向约定垂直翻转后解剖方位反了医生看了会觉得怪模型学到的东西也未必临床合理。裁剪这步也不要随机裁结节中心是医生标注的随机裁容易把目标裁飞。控制在torchvision里这样写import torchvision.transforms as T train_aug T.Compose([ T.RandomHorizontalFlip(p0.5), # 水平翻转模拟探头左右换边 T.RandomRotation(degrees15, fill0), # 小角度旋转超声扫查角度略有变化 T.RandomAffine(degrees0, translate(0.05, 0.05)), T.ColorJitter(brightness0.2, contrast0.2), # 模拟不同设备增益差异 ])值得注意的一点是如果要用弹性形变模拟探头按压造成的组织变形torchvision没有现成实现我用的是albumentations的ElasticTransformalpha设在20到40之间。这类增强对甲状腺结节确实有效因为医生扫查时探头用力不同组织会有非刚性形变网络见过这些变体后对实际临床数据的鲁棒性会好一些。但增强不是越多越好我见过有同学在超声图上用大范围随机裁剪加高亮色度抖动结果验证集AUC反而掉了——增强分布偏离真实超声数据分布等于在给模型喂噪声。另外在线增强和离线增强的分工要想清楚。样本量低于500张时我习惯先做一轮离线增强旋转、翻转、加噪各复制几份把规模撑到2000张左右再配合在线增强训练。样本量500到2000张时离线增强意义不大直接用在线增强就够了。离线增强会成倍放大磁盘占用和预处理时间规模翻三倍就够别贪多。3. 网络结构选型自建浅层CNN还是微调预训练模型网络选型是这个课题里最经常被问的问题也是很多人第一次看到卷积神经网络结构图时最懵的地方。我先说结论数据量在千级左右、且希望快速出基线时微调ResNet-18或EfficientNet-B0是性价比最高的路线数据量到万级、或者你想把这篇课题做得有创新点自建浅层CNN加上精心的训练策略反而更容易出效果。先把二维卷积为什么适合超声图像讲清楚你后面调参就不容易跑偏。3.1 二维CNN为什么适合超声图像从结构图到感受野卷积神经网络的本质是局部特征的层次化提取。甲状腺超声图像里恶性结节的特征很具体形态不规则、边界毛糙、内部低回声、微钙化点、纵横比大于1。这些特征都是局部纹理和局部形状的组合正好匹配卷积核的局部感受野。低层卷积捕捉边缘和斑点中层组合出钙化团簇和边界片段高层才抽象出「这个结节整体像不像恶性」的判断。这就是看卷积神经网络结构图时真正需要抓住的主线——每一个卷积块都在扩大感受野、抽象信息池化层负责降分辨率最后的全连接层只是把空间特征压成类别打分。这里需要澄清一个常见混淆一维卷积神经网络1D CNN主要处理的是时序信号和RF射频信号我在看甲状腺结节相关文献时见过有人用1D CNN直接处理超声探头的原始射频数据这是另一个问题——测的是背向散射信号不是图像。这个方向既然锁定了超声图像输入就是二维的就该用二维卷积千万别把两者混在一起讨论。二维卷积核同时扫描高和宽两个方向一个3x3卷积核在224x224的图上做一次卷积输出还是二维特征图堆叠多个卷积层后感受野逐步从3x3覆盖到全图。理解这点后所有关于卷积层数的争论都能回到一个原点网络的感受野要到多大才够覆盖一个典型结节及其周边组织。甲状腺结节平均直径约1到2厘米在超声图像里通常占几十个像素三四层3x3卷积堆下来感受野已经足够这也是为什么医学图像任务里盲目加深度收益不大。3.2 自建浅层网络与迁移学习选型依据与PyTorch代码自建网络的优势是结构简单、可解释、前向推理快训练对显存要求低参数少不容易在千级样本上过拟合。我的基准结构是四个卷积块每个块里依次是卷积、批归一化、ReLU、最大池化通道数从16涨到128最后接一个自适应平均池化和一个sigmoid输出。这里每个卷积块都上批归一化这在医学小样本任务里几乎必须——它让每一层输入的分布稳定下来训练时可以用更大学习率收敛明显更快。完整定义如下import torch.nn as nn class ThyroidCNN(nn.Module): def __init__(self, in_channels1, num_classes1): super().__init__() self.features nn.Sequential( nn.Conv2d(in_channels, 16, kernel_size3, padding1), nn.BatchNorm2d(16), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), nn.Conv2d(16, 32, kernel_size3, padding1), nn.BatchNorm2d(32), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), nn.Conv2d(32, 64, kernel_size3, padding1), nn.BatchNorm2d(64), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), nn.Conv2d(64, 128, kernel_size3, padding1), nn.BatchNorm2d(128), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), ) self.classifier nn.Sequential( nn.AdaptiveAvgPool2d((1, 1)), nn.Flatten(), nn.Linear(128, num_classes), ) def forward(self, x): return self.classifier(self.features(x))注意分类头没有中间的ReLU和Dropout直接一个Linear接sigmoid。二分类任务不需要在分类头前堆全连接层一个128维特征直接映射到1个输出就够堆更多全连接只会增加参数让模型在小数据集上更快过拟合。输入是单通道灰度图所以in_channels1后面所有层的通道数设计是16到128这是我试过在几百到一千张样本上不容易过拟合的配置。如果想再压缩参数把第二个块的32改成24、第四个块的128改成96性能下降可以接受但过拟合风险更低。迁移学习路线则适合快速拿到一个基线分数。ImageNet上预训练的ResNet-18底层学的是通用边缘纹理特征这些特征在超声图上依然有用所以不需要从零训练。做法是替换掉最后的全连接层冻结backbone先训几轮分类头再解冻整体微调。PyTorch里torchvision直接提供预训练权重代码很短from torchvision import models def build_resnet18(num_classes1): model models.resnet18(weightsmodels.ResNet18_Weights.IMAGENET1K_V1) model.conv1 nn.Conv2d(1, 64, kernel_size7, stride2, padding3, biasFalse) # 改输入为单通道 model.fc nn.Linear(512, num_classes) return model两个容易踩的细节第一ResNet第一个卷积层是接收3通道RGB的单通道输入必须改conv1如果不改可以先把灰度图复制成3通道喂进去但那样在ImageNet预训练下其实等于输入了3份重复灰度效果跟改单通道差不多甚至略差还浪费显存。第二预训练权重对超声的低信噪比图像不适应所以解冻微调这一步不能省——只训分类头不微调backboneAUC通常只能到0.75左右解冻后用更低的学习率微调整个网络一般能再往上走4到6个百分点。我的选型经验是如果你的目标是做临床验证、时间紧ResNet-18微调就够了训练一轮不到半小时如果你的课题要讲网络结构的创新、或者数据量有明显增长空间自建浅层CNN作为baseline然后在它上面加注意力模块或改多尺度融合写起论文来更顺手。两条路线不矛盾先用微调模型出基线分数再用自建模型去追这个分数谁更划算一目了然。4. 训练配置与调参类别不平衡、学习率与早停策略深度学习卷积神经网络在医学图像上的训练配置和自然图像任务有很大不同最典型的就是类别不平衡。甲状腺结节中恶性比例通常只占5%到15%如果直接按普通二分类去训模型学到的几乎是把所有样本判为良性就能达到90%以上的准确率。这一章把训练阶段最值得调的几个参数讲透都是可以直接抄走的经验。4.1 类别不平衡加权损失与采样策略的必要性先看数据假设你有1000张图像其中良性850张、恶性150张。不做任何处理模型的最优策略就是把全部输入判成良性——因为它确实有85%的准确率。所以评估时准确率这条指标在类别不平衡条件下基本是废的后面章节再展开。训练阶段要解决的核心问题是让模型在「恶性样本少」的情况下仍然能学到恶性类的判别特征。两种最常用的手段一是给损失函数加类别权重二是采样时让两个类别出现的频率接近。BCEWithLogitsLoss里直接带pos_weight参数是我用得最多的加权损失写法因为不用改网络结构。pos_weight的含义是「正样本恶性损失相对于负样本的放大倍数」一般设为负样本数除以正样本数。在850良性对150恶性的例子里pos_weight850/150≈5.67。这个权重会让模型在每次遇到恶性样本时给出更大的梯度抑制它往「全判良性」的方向滑。写训练loss时注意网络最后一层不要自己接sigmoidBCEWithLogitsLoss内部自带否则数值稳定性会出问题。如果加权后训练集loss依然很难下降那就换采样策略。WeightedRandomSampler按样本类别权重决定每个epoch的采样概率使模型每个batch都能看到足够多的恶性样本。这两种方法可以叠加使用但权重不要拉满我在实践中通常把pos_weight再乘一个0.8的经验系数因为拉满会让模型在良性类上过于保守最终敏感度上去了但特异度崩盘临床一样不可用。具体的采样器代码在PyTorch里是from torch.utils.data import WeightedRandomSampler labels np.array(train_dataset.labels) # 0良性, 1恶性 class_counts np.bincount(labels) # [850, 150] weights 1.0 / class_counts[labels] sampler WeightedRandomSampler(weights, num_sampleslen(labels), replacementTrue) train_loader DataLoader(train_dataset, batch_size32, samplersampler)这里的逻辑是给少数类样本更高的采样权重replacementTrue表示同一个epoch内允许重复采样同一个恶性样本这样每个batch里良性恶性比例会接近1比1。副作用是模型每个epoch看到的恶性样本总量变多了训练轮数要相应减少早停的patience也要调小不然容易过拟合。我在课题里是把加权损失和加权采样一起用的两者并不冲突——采样管batch组成权重管梯度大小。4.2 学习率、冻结解冻与早停训练配置的必调参数学习率是整个训练里最「玄学」的超参数但医学图像任务有几个可靠的锚点自建网络从零训练用1e-3迁移学习微调用1e-4起步batch size用16到32优化器首选AdamW而不是Adam权重衰减设1e-4到1e-5。AdamW修正了Adam的权重衰减实现方式在小数据集上泛化通常更好。下面是我常用的完整训练配置直接作为起点很稳config { model: thyroid_cnn, # 或 resnet18 img_size: 224, batch_size: 32, epochs: 100, lr: 1e-3, # resnet18 微调时改为 1e-4 weight_decay: 1e-4, pos_weight: 5.0, # 根据正负样本比例调整 freeze_backbone: True, # 迁移学习时前 5 个 epoch 冻结 patience: 15, # 早停验证loss连续15轮不降则停 warmup_epochs: 5, # 线性预热学习率从0.1*lr升到lr } criterion nn.BCEWithLogitsLoss(pos_weighttorch.tensor([config[pos_weight]])) optimizer torch.optim.AdamW(model.parameters(), lrconfig[lr], weight_decayconfig[weight_decay]) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_maxconfig[epochs])预热(warmup)这5个epoch不是可有可无尤其对预训练模型一开始就用1e-4也可能把在ImageNet上学好的底层特征冲乱。我习惯前5个epoch让学习率从0.1倍线性爬到设定值之后接余弦退火让学习率平滑下降。早停的patience设15监控的是验证集的BCE loss而不是准确率。为什么不用准确率做早停在类别不平衡时验证准确率经常卡在85%或90%这种平台期纹丝不动而loss还在缓慢下降说明模型对恶性类别的判别能力其实在提升盯着loss走更可靠。迁移学习还有一个经常被忽略的冻结解冻策略。初始阶段把backbone的requires_grad设为False只训练分类头跑5到10个epoch让分类头先收敛再解冻backbone用1e-4或更低的学习率整体微调。这比从第一轮就全量微调稳得多。解冻后一定把batch size保持住不要中途突然减小否则BN层的统计量会抖动验证集指标会跟着跳。5. 评估、验证与避坑准确率90%为什么上不了临床训练跑通之后真正让这个课题从「看起来不错」变成「能说服医生」的是评估环节。良恶性分类的评估不能只看一个准确率尤其是超声这类本身就带着设备差异和标注主观性的图像。这一章一方面把临床视角的指标讲清楚一方面把我踩过的坑整理成排查清单每一条都有对应的解决方案。5.1 评估指标的临床视角AUC、敏感度与特异度先建一个观念甲状腺结节超声分类是一个筛查性质的辅助决策任务临床上更怕漏诊恶性而不是误报良性。因此敏感度恶性样本中被正确检出的比例和特异度良性样本中被正确判为良性的比例是两个必须同时报告的指标只看准确率等于没有评估。在类别不平衡背景下AUCROC曲线下面积对阈值不敏感是最稳定的模型对比指标如果恶性占比特别低PR曲线下的面积PR-AUC比ROC-AUC更能反映模型在少数类上的真实表现我一般两个都算。评估代码按测试集计算这几个指标顺便把ROC曲线画出来存档写课题报告时直接能引用from sklearn.metrics import roc_auc_score, roc_curve, confusion_matrix import numpy as np # y_prob 为模型sigmoid输出y_true 为0/1标签 auc roc_auc_score(y_true, y_prob) fpr, tpr, thresholds roc_curve(y_true, y_prob) youden tpr - fpr best_idx np.argmax(youden) threshold thresholds[best_idx] y_pred (y_prob threshold).astype(int) cm confusion_matrix(y_true, y_pred) tn, fp, fn, tp cm.ravel() sensitivity tp / (tp fn) specificity tn / (tn fp) print(fAUC{auc:.4f}, Sens{sensitivity:.4f}, Spec{specificity:.4f}, Thresh{threshold:.4f})约登指数取的是敏感度加特异度减1的最大值对应ROC曲线上离左上角最近的点。这个阈值通常比默认的0.5低不少在类别不平衡时用0.5做判定会把敏感度压得很低。报告指标时必须写清楚用的是哪个阈值否则后面换一台设备数据测试时复现不出来。还要单独看混淆矩阵里的假阴性——漏判的恶性样本长什么样我习惯把假阴性图像带着模型输出概率打出来让超声医生看这一步对改进数据比调任何参数都有效。5.2 避坑记录5次翻车换来的排查清单这里有五条踩坑记录全部是实际会遇到的场景。第一条训练集验证集指标都很好但一换测试设备就崩。现象是同一批数据上AUC能到0.95拿到另一台超声设备或另一家医院图像上掉到0.7以下。原因是不同设备的增益、探头频率、图像后处理不同模型学到了这台设备的灰度分布特征而不是结节的病理特征。解决手段是两层一是预处理阶段用z-score归一化把灰度分布拉齐二是在训练增强里加亮度对比度抖动模拟设备差异。正规做法是争取多中心数据至少也要留出不同设备的图像做外部验证。第二条验证集loss在下降但模型输出的概率始终集中在0.9以上像是「信心爆棚」。原因是早停监控的loss是BCE在类别不均衡下模型可以靠把多数类概率压到0.9同时少数类概率略升获得loss下降。解决方法是把评估指标换成AUC和PR-AUC做早停监控或者直接改用focal loss让模型在难分的少数类样本上多花力气。我现在在做这个方向时验证集上的AUC是比loss更优先看的指标。第三条随机种子没固定同一份数据跑两次结果差2到3个百分点。这不是模型设计问题是训练随机性。卷积、BN、数据增强都有随机因素不固定seed的话你无法判断改一个模块是有效还是随机波动。解决办法是在训练脚本开头统一设置PyTorch、NumPy和Python的随机种子固定CUDA的确定性算法对比实验里每个方案跑三次取均值这个习惯能让调参效率翻倍。第四条迁移学习预训练模型在超声上反而打不过自建小模型。原因是超声图像和ImageNet自然图像的域差距非常大预训练权重提供不了太多有效特征反而让模型容量偏大、更容易在千级样本上过拟合。解决方法是数据量低于1000张时优先试自建浅层网络要用预训练就用医学图像预训练权重比如在X光或病理图像上预训练得到的权重或者先用自监督对比学习在自己的超声数据上预训练一轮效果一般比ImageNet预训练更稳。第五条同一患者的多张超声图同时出现在训练集和测试集。甲状腺超声一个患者通常会存多张图不同切面之间高度相似。如果划分数据集时按图片随机划分模型可能记住了这个患者的特征而不是结节类型测试集分数虚高。解决方法是严格按患者ID分组划分数据集保证同一个患者的全部图像落在同一个集合里。这是医学图像分类里最隐蔽、却也最致命的数据泄漏必须在切数据时先做患者级分组。5.3 评估脚本的调试细节与验证集复用纪律评估脚本本身的调试也有坑。第一个是概率和标签对齐问题测试集经过DataLoader打乱后如果预测一批写一批很容易把label和predict错位。我的做法是把predict和y_true都按index存进list再统一计算不要图省事边预测边算。第二个是阈值选择要在验证集上做不要在测试集上做。约登指数的阈值属于模型的一部分它在测试集上选阈值会虚高正确做法是先固定阈值再评估测试集。第三个是不要频繁看测试集。整个课题迭代过程中测试集最多用两三次盯验证集调参频繁看测试集等于把测试集信息泄漏进模型选择过程最后提交的结果一定高估。验证集复用纪律这事说起来简单但每次都会有人犯。我现在的流程是患者级划分出训练/验证/测试验证集用来调超参数和选早停测试集只在模型定稿后跑一次。如果测试集结果不理想回去改模型测试集这次的结果作废下次模型改完再重新跑一次测试集而不是把这次结果保留下来继续调。这条纪律守住你报出去的泛化性能才经得起复现。6. 进阶落地用Grad-CAM把模型判读变成医生能复核的证据6.1 从特征图到热力图Grad-CAM的落地写法模型输出的0.9概率对医生来说没有说服力热力图可以。Grad-CAM做的就是把模型这个黑匣子撬开一条缝找到对最终分类贡献最大的特征图位置把它叠加回原超声图像上红色区域就是模型「看」到的重点。这个可视化在本课题里有两个价值一是给医生复核模型依据是否符合超声诊断逻辑比如热力图是否聚焦在结节边界或钙化区二是帮你自己发现模型是不是学到了无关背景特征——我见过热力图落在图像角落的超声探头型号水印上这类模型再换设备必然失效。实现上不用从零写PyTorch的register_hook就能拿到目标层梯度。核心思路是对最后一个卷积块的输出做forward hook保存特征图分类结束后用分类分数对该层做backward拿到梯度然后把每个通道的梯度做全局平均当作通道权重对特征图加权求和经过ReLU去掉负响应再做双线性插值上采样到原图尺寸叠加。两个关键参数目标层选倒数第一个卷积块的输出上采样用双线性插值这两点决定热力图的清晰度。6.2 五折交叉验证与TTA验证集指标的最后一格血测试集只能跑一次那怎么多榨一点可靠指标五折交叉验证是医学小样本课题的标配按患者级分成五份轮流用四份训练一份验证汇总五折的验证概率得到全样本预测再算AUC。这样既用上了全部数据训练又避免单次划分的运气成分。代价是训练时间五倍但数据量在千级的话完全可接受。TTA测试时增强是另一个免费的提升手段。推理时把每张测试图做水平翻转、小角度旋转得到多个版本模型分别预测再取平均概率。对超声图像我习惯用五张TTA原图、水平翻转、顺时针15度、逆时针15度、水平翻转后再逆时针15度。TTA对AUC的稳定提升通常在0.5到1.5个百分点不需要重训练验证时把这段逻辑固化进推理脚本就行。做这类课题最深的血泪经验是不要迷信训练过程的损失曲线把Grad-CAM、AUC和混淆矩阵的假阴性样本装订成一份可追溯的报告拿去和超声医生过一遍模型哪里该改、数据哪里该补全都落在具体的图上了。我现在的习惯是每次迭代都保留一份可视化输出包括热力图和假阴性样例这比保留训练日志更有参考价值。希望这篇能帮你把卷积神经网络在甲状腺结节超声图像良恶性分类上的一次完整落地走通少踩我走过的几个坑。本文还有配套的精品资源点击获取