基于unet的皮肤病分割系统，pytorch开发

最近在折腾一个皮肤病分割的小项目，用PyTorch实现了经典UNet架构。这个领域最有趣的地方在于，皮肤病变边缘往往模糊不清，传统图像处理算法很难搞定，但深度学习里的编码-解码结构却能捕捉到这些细微特征。

先说说数据准备。皮肤病数据集通常包含RGB原图和对应的黑白掩膜，像素值0表示正常皮肤，1代表病变区域。这里有个坑——不同设备的图像尺寸差异大，得统一缩放到256x256。我习惯用Albumentations做数据增强：

import albumentations as A

train_transform = A.Compose([
    A.RandomCrop(224, 224),
    A.HorizontalFlip(),
    A.Rotate(limit=30),
    A.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

注意这里保留原图比例比直接拉伸更重要，毕竟病变区域可能很小。随机裁剪时留了224尺寸，这是为了给后续模型输入留点冗余空间。

模型部分的核心是UNet的双卷积块。每个下采样阶段都包含两次卷积操作，这里用nn.Sequential封装更清晰：

class DoubleConv(nn.Module):
    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)

这里3x3卷积配合BatchNorm已经是标配，但有个细节——inplace=True参数能节省内存，实测在1080Ti上能让batch_size增大20%。不过要注意不能在多个模块间共享带inplace的操作，容易引发梯度错误。

基于unet的皮肤病分割系统，pytorch开发

跳跃连接是UNet的精髓，但直接拼接特征图会遇到尺寸不匹配的问题。我的解决方案是在上采样后动态调整：

class Up(nn.Module):
    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)
        diffY = x2.size()[2] - x1.size()[2]
        x1 = F.pad(x1, [0, 0, diffY//2, diffY - diffY//2])
        return self.conv(torch.cat([x2, x1], dim=1))

这里用转置卷积替代双线性插值，虽然可能产生棋盘效应，但实际在皮肤病变分割中效果更好。动态padding处理不同尺寸的特征图，比固定尺寸裁剪更灵活。

训练时发现Dice Loss比交叉熵更适合小目标：

class DiceLoss(nn.Module):
    def __init__(self, smooth=1e-6):
        super().__init__()
        self.smooth = smooth
    
    def forward(self, pred, target):
        pred = torch.sigmoid(pred)
        intersection = (pred * target).sum(dim=(2,3))
        union = pred.sum(dim=(2,3)) + target.sum(dim=(2,3))
        dice = (2.*intersection + self.smooth)/(union + self.smooth)
        return 1 - dice.mean()

注意这里对pred先做sigmoid而不是在模型里直接输出概率，方便后续调整阈值。实际使用时发现当病变区域占比小于5%时，需要将smooth参数调大到1e-4防止梯度爆炸。

可视化结果时有个小技巧：将预测结果叠加在原图上能更直观判断分割效果：

def overlay_mask(image, mask, alpha=0.5):
    mask = np.where(mask > 0.5, 1, 0)
    colored_mask = np.zeros_like(image)
    colored_mask[..., 0] = 255 * mask  # 红色标注
    overlay = cv2.addWeighted(image, alpha, colored_mask, 1-alpha, 0)
    return overlay

这套系统在ISIC2018数据集上能达到89%的Dice系数，但实际部署时发现对毛发的干扰比较敏感。后来加入随机线条数据增强后，鲁棒性提升了15%左右。现在回头看，医学影像项目最大的挑战不是模型本身，而是如何让模型理解哪些是真正有临床意义的特征。