企业官网建设流程全解析

第一次把眼底照片交给深度学习模型的时候，我原本以为这只是个普通的像素二分类问题：把血管标出来，其他全是背景。等真正动手做了一轮才发现，视网膜血管分割是医学图像处理里非常典型的“看着简单、做起来全是细节”的任务。血管与眼底背景的对比度很低，细小分支只有两三个像素宽，病灶区域还会挡住血管走向，网络跑出来的初版结果满屏都是碎点，和人工标注一比简直没法看。

这篇文章就把基于U-Net模型的视网膜血管分割从头到尾拆开讲一遍：为什么这个任务难，U-Net的架构哪几个点真正起作用，数据预处理怎么做才能少踩坑，训练和评估时又会遇到哪些反直觉的现象。如果你是刚接触医学图像处理方向的学生，或者在业务里做医疗影像算法的工程师，这篇文章应该能帮你省下不少试错时间。

1. 视网膜血管分割为什么是医学图像处理里公认的硬骨头

1.1 先搞清楚这件事的临床价值

眼底血管几乎是活体上唯一能在无创条件下直接观察的血管系统。一张眼底照片拍下来，视网膜中央动脉、静脉的分支走向清清楚楚。糖尿病视网膜病变、高血压性视网膜病变、动脉硬化这些常见病，都会在眼底血管上留下形态变化——血管变细、动静脉直径比失常、新生血管丛生成、微血管瘤膨出。医生想对这些变化做定量分析，单靠肉眼估不行，必须先把血管完整地提取出来，再做后续测量。

所以血管分割是整个眼底图像自动分析流程的第一块地基。后面要算的动静脉直径比、分叉角度、血管密度，全部依赖这个分割结果。做不好它，后面所有定量指标计算都是空中楼阁。这也是为什么从传统图像处理时代到深度学习时代，这个题目一直有团队在做，因为它的应用价值是实打实的。

在临床筛查场景里，眼科医生一天要看上百张眼底图，每张图手工标注血管大约要二十分钟到半小时。如果能训练一个可靠的自动分割模型，就可以把医生的精力解放出来，集中处理模型难以判定的疑难样本。这就是我们做这件事最直接的动机。

1.2 任务本身的视觉难度在哪里

说句实话，视网膜血管分割的难度比大多数人预想的高。我总结下来有三个核心难点。

**第一是低对比度。**视网膜是橘红色背景，血管是暗红色，两者之间的灰度差非常小。主干血管还好，细分支血管在眼底照片里几乎融进背景里，有时候人眼都要眯着看才能分辨。模型要做的是在这么弱的信号里找出血管边界，这对特征的敏感性要求很高。

**第二是多尺度。**主干静脉可能有十几像素宽，毛细血管却只有两三个像素。网络必须同时照顾大尺度和小尺度的结构。很多分割模型能做好主干血管，一到毛细管就全部断裂，就是因为网络放大了下采样倍数，小目标在深层特征图里已经彻底消失了。

**第三是干扰多。**眼底图像里除了血管还有视盘、黄斑、渗出物、出血点，这些结构在局部外观上跟血管分叉非常像。模型很容易把病灶边缘当成血管预测出来，形成假阳性。尤其出血点和血管重叠的区域，连专家标注时都有分歧，算法自然更难。

这三点叠加在一起，决定了视网膜血管分割不是普通的场景分割任务。它要求的是像素级的精细能力，对弱特征、小目标、高频细节的敏感度极高。任何模型想在公开数据集上拿到像样的指标，都必须直面这些问题。

1.3 为什么通用语义分割模型在这个任务上会翻车

早期我也试过直接套用通用的场景分割模型，比如带空洞卷积的分割网络，效果不算理想。原因在于这类模型的设计目标是把图像里的“大类”分清楚，比如人、车、建筑。它们更强调语义抽象能力，通过多层下采样把图像越压越小，提取全局语义特征。但血管分割恰恰相反，它要求的不是“知道这里有一片血管区域”，而是“每一个像素是不是血管”。下采样倍数一大，细小血管的空间细节就被丢掉了，输出图里只剩粗大的主干，这是典型的过平滑问题。

另外医学图像数据集的通病是样本量小。公开的眼底血管标注数据集最多也就几十张图，拿大规模场景分割的数据规模来横向比较完全不现实。通用分割网络在这种小数据量下很容易过拟合，训练集指标漂亮，验证集一测就崩。U-Net的火爆正是因为它在架构层面同时解决了这几个问题：编码器-解码器结构保证了像素级输出，跳跃连接保留了空间细节，参数规模适合小数据集训练。而且它从设计之初就是为医学图像分割服务的，用在这个场景里有天然的架构优势。

2. U-Net架构拆解：四个设计细节决定分割精度

2.1 编码器-解码器的对称设计：语义与分辨率的平衡

U-Net的骨架非常直观，左边是编码器，右边是解码器，中间穿过一个瓶颈层。编码器做下采样，通常经过四次MaxPooling把特征图尺寸逐步减半，同时通道数翻倍；解码器做上采样，把低分辨率的高层语义特征一步步恢复到原始分辨率。整体结构是一条对称的U形曲线，网络的名字就是这么来的。

编码器的作用是扩大感受野。每下采样一次，卷积核覆盖的图像范围就变大，提取的特征从边缘、纹理逐渐上升到“这里是一段血管”“这里是分叉点”这类抽象语义。解码器的作用是把抽象的语义特征投影回每个像素，输出和输入同尺寸的概率图。这个“先压缩语义、再展开定位”的流程是分割模型的通用逻辑，但U-Net通过对称设计和跳跃连接把它做到了极致。

在实践中，我通常把编码器深度设为4层。太浅了感受野不够，模型看不到足够的上下文，容易把孤立噪点误判成血管；太深了参数量暴涨，而数据就几十张图，过拟合风险很高。经典设计里每层两个3x3卷积加ReLU激活，这个组合被称为双重卷积块，是U-Net的基本积木。

2.2 跳跃连接为什么用拼接而不是相加

跳跃连接是U-Net真正区别于普通编解码结构的地方。编码器的每一层特征图会直接拼接到解码器对应层上，让解码器同时使用深层语义特征和浅层空间特征。

这里有个细节值得展开：为什么是concat（拼接）而不是add（相加）？拼接就是在通道维度上把两份特征图堆叠到一起，通道数翻倍，网络在后面卷积层里学习如何融合这两路信息；相加则是把两路特征的每个通道对应元素直接求和，相当于提前帮网络做了融合，但信息量会打折。U-Net选择拼接，本质上是把“怎么融合”的决策权交给网络自己学。实验做下来也确实如此——改成add之后，分割细血管的能力明显下降，骨架结构对得上但末梢细节丢了。

原理层面也不难理解。深层特征经过了大量下采样，知道的是“这一段确实是血管”的语义判断，但位置信息糊了；浅层特征分辨率高，位置精确，但它看到的都是局部纹理，不知道整体结构。跳跃连接把两种信息同时送到解码器，解码器才能做到既判断得准、又定位得准。没有跳跃连接的U-Net退化成普通编解码结构，效果急剧变差，这一点在我做的对比实验里非常明显。

2.3 网络深度、通道数与关键参数配置

经典U-Net的起始通道数是64，每次下采样通道数翻倍，到瓶颈层是1024。这个配置是针对当时硬件条件设计的。我在实际项目中做过几组对照，发现视网膜血管分割并不需要把起始通道调得很大。公开眼底数据集的特征相对稳定，不像自然图像那样有复杂多变的外观，起始通道32甚至都能跑出可用的结果，但64更稳妥，对细小分支的召回率会好一些。

下面是我常用的一组配置参考：

关于输入尺寸，需要单独说一下。如果显存充足，我建议整图输入或者用256x256以上的patch。输入太小，比如96x96，模型看到的上文太有限，血管断成碎段的概率明显增加。但如果整图输入超出显存，256x256就是一个效率与性能都比较平衡的选择。

2.4 损失函数选择：BCE和Dice Loss的搭配逻辑

视网膜血管分割本质是像素级二分类，最直接的损失函数是二值交叉熵BCE。但BCE有个问题：一个像素点只有两个类别，且血管像素通常只占整个眼底图的10%左右。也就是说，模型只要把所有像素都预测成背景，准确率就已经有90%了。这种类别不平衡会让BCE的训练信号被背景主导，血管区域的学习被稀释。

Dice Loss是解决这个问题的经典方案。Dice系数本质上是两个集合重叠度的度量，公式是2|预测与标注的交集|除以两个集合的元素总数。把Dice系数取反作为损失，模型就直接优化分割区域与真实区域的重叠程度，天然地绕开了类别不平衡问题。实际使用中我会把BCE和Dice Loss按1比1的比例相加，BCE提供稳定的梯度信号，Dice Loss专注于区域重叠优化。这个组合在公开数据集上表现稳定，效果比单独用任何一种都好。

3. 数据准备与预处理：先把图像伺候明白

3.1 公开数据集的特点与划分策略

目前学术界用得最广的公开眼底血管分割数据集，来自一项基于眼底照相的慢性病筛查项目。整个数据集包含40张眼底照片，按训练和测试各20张划分，图像尺寸约565x584，视野范围是常见的7x7。所有标注由眼科专家手工完成，并且由第二组专家再次校正。训练集里还有一名专家的二次标注结果，可以用来衡量标注者之间的差异。

这个数据集的规模在深度学习里可以说非常小。20张训练图像意味着模型看过每一张图很多很多遍，过拟合风险极高。也正因为小，很多人在训练集上表现不错但测试集上崩掉，核心原因就是把训练图像的具体特征背下来了，而没有学到血管的通用形态规律。另外训练集和测试集来自不同的拍摄设备和成像环境，光照和色调存在差异，这更考验模型的泛化能力。

还有另一个数据集，来自一个多中心的眼底疾病研究项目，图像数量更少，只有28张，但它的挑战在于图像包含更多病理变化，比如渗出和出血点更多，分割难度更大。如果你的目标是做临床级模型，建议两个数据集都做测试，一个偏正常眼底，一个偏病变眼底，这样才知道模型在真实场景下的鲁棒性够不够。

3.2 三通道里的秘密：为什么优先用绿色通道

眼底照片是彩色的，但直接拿RGB三通道输入模型并不是最好的预处理方式。我最初跑实验时把RGB原图直接喂进去，效果一直不稳定。后来做了通道分析才明白：血管在绿色通道里对比度最高，红色通道里血管和背景几乎糊成一片，蓝色通道本身噪声就大。

原因说起来也简单。眼底照片中背景的红色调主要来自脉络膜和视网膜色素上皮，它们对红光反射强；而血管里的血液对绿光吸收明显，所以在绿色通道里血管呈现为暗色结构，和相对亮的背景区分度最好。实际处理时我一般只取绿色通道，或者把绿色通道和原来的灰度图合并作为输入。这个简单的通道选择，往往比你换模型结构还管用。

3.3 CLAHE、归一化与图像增强的具体操作

预处理环节我按照固定流程走，每一步都有明确目的。

第一步是CLAHE，限制对比度自适应直方图均衡化。眼底照片经常存在光照不均，周边暗、中心亮，直接做普通直方图均衡化会把对比度过度放大，让背景纹理也变成噪声。CLAHE先把图像划分成小块，在每个小块内做直方图均衡化，同时限制对比度的放大幅度，避免了全局均衡化的噪声放大问题。在OpenCV里调用起来很简单：

import cv2 import numpy as np def preprocess_image(image_path, clip_limit=2.0, grid_size=8): img = cv2.imread(image_path) green = img[:, :, 1] # 取绿色通道 clahe = cv2.createCLAHE(clipLimit=clip_limit, tileGridSize=(grid_size, grid_size)) enhanced = clahe.apply(green) return enhanced

这里clip_limit控制对比度增强的强度。取值太小增强效果不明显，取值太大背景噪声被放大，我个人常用2.0左右。

第二步是归一化。把像素值缩放到模型期望的分布中，我这里用z-score标准化，即每个像素减去数据集均值再除以标准差。这样做的目的是让不同拍摄设备、不同光照条件下的图像，在网络输入层面处于相近的数值范围，减少域差异带来的影响。

第三步是数据增强。这是小数据集下对抗过拟合最重要的手段。我常用的增强组合包括：上下左右翻转、小角度旋转（正负10度以内）、小幅平移和缩放、亮度对比度扰动、弹性形变。尤其是弹性形变，这是医学图像增强的特色操作，模拟组织变形，对提升模型对血管形态变化的鲁棒性很有帮助。增强时必须注意，图像和对应的标注mask要使用完全相同的变换参数，否则标签就对不上了。我习惯把所有增强操作封装成一个函数，同时处理图像和mask，避免出现标签错位这种低级错误。

3.4 patch提取与padding策略的仔细推敲

如果显卡显存有限，不能整图输入，就需要把大图切成patch再送入网络。提升模型对小血管的识别能力，提取patch时要有几个讲究。

patch大小要保证血管结构的连续性。视网膜血管是长条状结构，patch太小，一条主干血管在patch里只是一段孤立的曲线，模型学到的上下文信息严重不足。我的做法是优先用256x256，如果显存不够就退到192x192，而不是直接降到128x128。当然patch之间存在重叠会带来重复计算的额外开销，所以推理时我会用滑窗方式，每一步移动半个patch的距离，再用重叠区域的平均值合并预测结果，避免边界处出现割裂感。

padding策略同样关键。眼底照片是圆形视野，四角是黑色背景，在图像边缘提取patch时必然要处理边界。用零填充会在patch边缘制造硬边界，模型很容易把零值区域当作背景特征学习，影响边缘血管的预测。推荐用镜像padding，把边界外的像素按镜像方式补齐，图像结构会自然过渡，模型不会感知到人为边界。这个细节很多人忽略，但它对血管边缘分割精度的影响是实打实的。

4. 从零搭建U-Net训练管线

4.1 核心模型代码：一个可以直接跑通的U-Net实现

下面给出一个基础但完整的U-Net PyTorch实现，包含了编码器、解码器、跳跃连接三个核心模块。代码结构尽量精简，方便读者理解主干框架。

import torch import torch.nn as nn class DoubleConv(nn.Module): """U-Net的基本积木：两个3x3卷积 + 批归一化 + ReLU""" def __init__(self, in_channels, out_channels): super().__init__() self.conv = nn.Sequential( nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1), nn.BatchNorm2d(out_channels), nn.ReLU(inplace=True), nn.Conv2d(out_channels, out_channels, kernel_size=3, padding=1), nn.BatchNorm2d(out_channels), nn.ReLU(inplace=True), ) def forward(self, x): return self.conv(x) class UNet(nn.Module): def __init__(self, in_channels=1, out_channels=1, features=[64, 128, 256, 512]): super().__init__() self.downs = nn.ModuleList() self.ups = nn.ModuleList() self.pool = nn.MaxPool2d(kernel_size=2, stride=2) # 编码器 for feature in features: self.downs.append(DoubleConv(in_channels, feature)) in_channels = feature # 瓶颈层 self.bottleneck = DoubleConv(features[-1], features[-1] * 2) # 解码器 for feature in reversed(features): self.ups.append( nn.ConvTranspose2d(feature * 2, feature, kernel_size=2, stride=2) ) self.ups.append(DoubleConv(feature * 2, feature)) self.final_conv = nn.Conv2d(features[0], out_channels, kernel_size=1) def forward(self, x): skip_connections = [] # 编码 for down in self.downs: x = down(x) skip_connections.append(x) x = self.pool(x) x = self.bottleneck(x) skip_connections = skip_connections[::-1] # 解码 for idx in range(0, len(self.ups), 2): x = self.ups[idx](x) skip = skip_connections[idx // 2] # 裁剪到相同尺寸，防止尺寸不匹配 if x.size() != skip.size(): x = nn.functional.interpolate(x, size=skip.size()[2:], mode="bilinear", align_corners=True) x = torch.cat((skip, x), dim=1) x = self.ups[idx + 1](x) return self.final_conv(x)

这里有一个容易出错的点：每次上采样得到的特征图尺寸和对应的跳跃连接特征图可能差几个像素，尤其是当输入尺寸不是2的整数次幂时。代码里我加了interpolate兜底，保证两张图能正常拼接。训练视网膜分割时输入尺寸建议固定，比如256x256，这样可以避免额外的尺寸适配成本。

4.2 优化器与训练超参：为什么这样调

训练U-Net时我习惯用Adam优化器，初始学习率1e-4，权重衰减1e-5。Adam的自适应学习率特性让我们不需要像SGD那样精细调整学习率调度，但1e-4这个初始值很关键——医学图像分割任务的梯度噪声相对较大，学习率太小收敛极慢，太大会导致损失爆炸。我在实验中发现1e-3在U-Net上经常出现训练初期损失震荡，1e-4则平稳得多。

批次大小根据显存来定。12GB显存下用256x256输入，batch size设为8比较稳妥，4也能跑，但梯度估计会噪声偏大。如果显存紧张，更推荐的做法是减小输入到192x192，而不是把batch size压到2，否则BatchNorm层会特别不稳定。这也是很有意思的细节：U-Net里加了BatchNorm，原本是为了加速收敛和稳定训练，但batch size小到2、3的时候，BatchNorm统计的均值方差不可靠，反而拖累训练。如果你只能用小batch训练，可以考虑把BatchNorm换成InstanceNorm或GroupNorm，稳定性会好很多。

训练轮数通常设置50到100个epoch，配合早停机制。小数据集上U-Net往往在30到40个epoch时验证集Dice已经趋于平稳，继续训练只会加大过拟合风险。我给每个epoch都保存模型权重，最终不按最后一个epoch选模型，而是按验证集Dice最高的epoch作为最终成果，这个操作能有效防止踩到过拟合后段。

4.3 训练过程中的监控指标与曲线解读

训练时不能只盯着训练损失下降就开心，要同时监控验证集指标。我习惯每个epoch记录以下几个值：训练集BCE和Dice组合损失、验证集Dice系数、验证集AUC。通过观察它们的组合变化能很快定位问题。

训练loss稳定下降但验证指标纹丝不动，这种情况我遇到不止一次，绝大多数时候是数据增强太弱导致过拟合，或者输入尺寸太小导致模型看不到足够的血管上下文。把patch从128加大到256，往往比换任何复杂模型都见效。

4.4 推理与后处理：让分割图更干净

模型训练完成后，推理阶段同样有讲究。如果训练时用了patch提取，推理时也要用同样的滑窗方式，不能简单resize。这里推荐测试时增强（TTA），做法是把测试图像做几组简单变换（左右翻转、上下翻转），让模型分别预测，再把预测概率取平均。这个操作能小幅提升分割的稳定性，减小模型对特定方向的偏好，尤其是在血管走向差异明显的眼底图上。

后处理阶段我的原则是克制。基础操作是去掉面积过小的连通域，这些往往是假阳性噪点。血管是连通的长条结构，检测到的独立小区域大概率是错误预测。阈值我会设在几十个像素左右，具体数值可以微调，但不宜过大，否则真正的微血管片段也被清理掉了。另一个常用操作是形态学闭运算，先膨胀后腐蚀，用来连接血管断裂处的缺口。但闭运算的kernel不能太大，3x3就够了，5x5会明显加粗血管，影响后续测量的精度。

还有一个容易被忽略的点：模型输出的概率图要选择合适的阈值才能变成最终的二值分割图。很多人默认0.5，但训练过程中模型的预测概率分布并不一定以0.5为中心，我一般会在验证集上遍历0.3到0.7之间的阈值，找到Dice或者F1分数最高的那个作为最终阈值。这个环节经常能给最终指标带来两个百分点以上的提升。

5. 评估指标与结果解读：别被漂亮数字骗了

5.1 指标定义：每个指标到底在衡量什么

视网膜血管分割常用一套固定的评估指标，我习惯用表格把指标的含义和计算公式列清楚，避免混淆。

这里的TP、TN、FP、FN都是像素级别的统计量。计算时建议使用原始标注做评估，不要用后处理二值图评估，否则后处理的好坏会混入模型能力的评估里，让人分不清是模型变强了还是运气好。

5.2 AUC虚高与Dice徘徊：为什么两个指标会唱反调

我见过最反直觉的现象是：AUC已经到0.98以上，Dice却只有0.7出头，看起来好像一个指标特别好、另一个特别差。这不是模型坏了，而是两个指标在度量不同层面的能力。

AUC衡量的是模型把血管像素排在背景像素前面的能力。只要预测概率的排序大致正确，AUC就很高，它完全不关心概率值是否准确、也不关心预测的区域边界是否精细。哪怕模型把血管预测得粗一圈、边缘糊成一片，只要血管区域的平均概率高于背景，AUC照样漂漂亮亮。

Dice系数衡量的是分割区域和真实区域的重叠度，非常严苛。粗一圈、漏一截、边缘毛糙，都会直接拉低Dice。这两个指标一个看排序、一个看重叠，出现AUC很高但Dice一般的情况完全正常。所以我评估模型时从来不单独看AUC，遇到AUC高、Dice低的组合，我会先去检查分割图的边界精细度和细血管召回情况，再判断模型是否真的可用。

对于视网膜血管分割，我更推荐以Dice为主、灵敏度为辅的评估思路。因为业务上血管漏检的代价通常高于误检，灵敏度直接反映了漏检比例，比看AUC更有实际参考价值。

5.3 分割效果的主观检查清单

指标毕竟是一个数值，无法完全反映分割细节的真实质量。每次训练完，我会把几张典型测试图像的分割结果叠加到原图上直接目测，重点检查几个位置。

第一是视盘区域。视盘是血管进出眼底的枢纽，血管密集、对比度又低，模型经常在这里翻车。第二是细小分支。主干血管很好预测，从主干上分出去的三级、四级分支，断裂和漏检往往集中在这里。第三是病灶融合区域。有出血点或渗出物遮挡的地方，血管被覆盖，模型很容易把病灶边缘误判为血管，形成假阳性。第四是图像边缘。眼底图边缘光照衰减严重，血管不清晰，容易出现一整段空白。

每次检查这四个位置，基本能判断出一个模型在真实场景里的可用度。数值指标再漂亮，也必须在这些视觉检查点过关，否则上线后问题会层出不穷。

6. 踩坑实录与调试经验

6.1 显存溢出与batch size的取舍

视网膜血管分割的输入分辨率要求不低，整图565x584其实可以塞进显卡，但一旦加上合理的batch size，显存就显得捉襟见肘。我最初在12GB显存上尝试整图输入加batch 8，直接OOM。后来改成了256x256 patch加batch 8，训练才顺利进行。

如果你也遇到显存不足，通常有两条路。一条是把batch size调到4或者2，但要注意BatchNorm层的稳定性风险，必要时换成GroupNorm。另一条是启用梯度累积，保持较大的有效batch size，但实际每次只计算少量样本的梯度，累积若干步后再更新参数。这个方法在显存受限时效果很好，模型稳定性和大batch训练基本一致，代价只是训练时间略长。另外开启混合精度训练也是个立竿见影的显存优化手段，可以把显存占用降低接近一半，同时在视网膜分割这种任务上几乎不影响精度。

6.2 小血管断裂问题的多角度排查

小血管断裂是我调试过程中最头疼的问题，没有之一。训练出来的模型主干血管粗黑完整，但三级分支以下全部断成虚线，像是被一只无形的手敲碎了。这个问题要从多个角度排查。

首先检查输入尺寸。patch太小、感受野不足，是断裂最常见的原因。把patch从128升到256通常有明显改善。其次检查数据增强强度。旋转角度过大会让血管取向被打乱，模型学到的是碎片化特征。我把旋转角度限制在正负10度以内后，断裂问题减轻了很多。再次检查损失函数权重。如果Dice Loss占比过高，模型会倾向于优化整体区域的完整性，代价是对小目标的敏感度下降；适当增加BCE占比能改善细小分支的召回。最后还可以考虑在解码器里增加一个辅助的深度监督分支，在中间层额外计算损失，帮助梯度在小血管特征上传播得更充分。

如果上述手段都试过还不理想，就回到标注本身检查。小血管的标注本身就可能存在断裂，模型学的就是断的，这时候再怎么调参也白搭。我后来对训练标注做了连通域分析和人工检查，修掉了几处标注断裂，Dice和视觉表现同时提升，才意识到数据质量才是根因。

6.3 数据增强过猛反而帮倒忙

数据增强在小数据集上是救命稻草，但不是越猛越好。我一度为了防过拟合，把弹性形变的强度调得很大，旋转角度放开到正负30度，平移缩放全都拉满。结果训练loss下降得很漂亮，验证Dice却始终上不去，甚至呈现梯度偏低的现象。

后来分析发现，增强太猛会让模型看到的样本严重偏离真实眼底图像的分布。真实血管的走向、弯曲程度和分叉角度都有生理限制，过度弹性形变生成的假血管形态在真实数据里根本不存在，模型花大量容量去学这些不存在的模式，反而冲淡了真实血管的特征。合理做法是增强参数控制在让图像看起来“仍然是正常眼底图像”的范围内：旋转不超过10度，弹性形变幅度适中，亮度扰动不要太大。增强的目的是增加样本多样性，而不是制造假的图像形态。

6.4 阈值选择与预测不确定性的反思

最后聊一个常常被忽视的环节：二值化阈值的选取。模型输出的是一张概率图，每个像素的值在0到1之间，必须选一个阈值把它们切成血管和背景。0.5只是默认值，不一定是最优值。

我在验证集上做了阈值扫描实验，从0.3到0.7每隔0.05算一次Dice和灵敏度，最后发现最优阈值落在了0.45左右。原因在于训练过程中正样本的权重和背景不同，模型输出的概率分布并不对称，整体偏保守，所以阈值适当调低一点能召回更多细血管。另外我还观察到一个现象：靠近血管边缘的像素预测概率通常只有0.3到0.5，而血管中心的像素能到0.9以上。这说明模型对边缘本身也存在不确定性，这其实也是后续做血管宽度测量时要格外小心的地方——如果宽度测量直接基于二值分割结果，边缘的几个像素误差会被放大很多倍。

我的经验是，阈值不能一成不变。不同训练轮次、不同预处理参数下，模型输出的概率分布都会偏移。固定写死0.5容易让结果看起来不稳定，每次训练完在验证集上重新选一次阈值，是个成本极低但收益稳定的好习惯。

做视网膜血管分割做到最后，我越来越确定一件事：医学图像任务里，决定上限的往往不是网络结构的新颖程度，而是对数据细节的把握。U-Net用十几年证明了基础架构的长期有效性，剩下的比拼就在预处理是否考究、训练策略是否稳健、评估指标是否真实。如果你也在跑这个方向，建议先老老实实把数据看明白、把基础管线跑稳，再谈改动模型。那些花了大量时间调网络结构而没有提高的结果，多数问题都藏在数据侧和训练细节里，而不是模型侧。