简介这份资源面向医学影像检测与深度学习实践者提供一套已用YOLOv8格式标注的乳房X光检查数据集可用于训练和验证乳腺病灶目标检测模型。数据整合自RSNA、MINI-DDSM-PG-16、MIAS与INBREAST四个公开来源共900张图像统一缩放至416×416并划分训练与测试集省去自行清洗与标注的繁琐环节。压缩包共1908个文件以1000个png图像和901个txt标注文件为主另含4个pt预训练权重yolov8l、yolov8m、yolov8n、yolov8x、2个cache缓存与1个yaml配置文件整体约496.76MB开箱即可接入YOLOv8训练流程。目前已有764人学习下载。读者可直接复用标注数据与预训练模型快速搭建检测基线对比不同规模模型的精度与速度并在此基础上做迁移学习、数据增强或跨数据集泛化实验适合课程设计、科研入门与算法验证等场景。1. 从 900 张钼靶片说起这套 YOLOv8 标记数据集到底能干什么如果你正在做乳腺 X 光钼靶病灶检测又不想从零标注几千张 DICOM那这套已经转好 YOLO 格式的 900 张图像数据集值得先跑一遍。它把 RSNA、MINI-DDSM-PNG-16、MIAS、INBREAST 四个来源的片子统一到 416×416 的 PNG配好了labels.cache和同名标签直接丢进 YOLOv8 就能开训。目录里还附了 yolov8n/s/m/l/x 五个预训练权重省去单独下载的功夫。适合两类人一是想快速验证钼靶检测 pipeline 的算法工程师二是拿它做课程设计或毕设、需要一份能跑通全流程数据的学生。要注意的是900 张的规模只够做原型验证和迁移学习起点别指望它单独训出临床级模型——它的价值在于让你把「数据→训练→推理→评估」这条链路先跑顺再决定要不要扩数据。2. 拆开目录看门道四个数据源怎么统一成 YOLO 格式拿到一个数据集我习惯先不急着训而是把目录结构和标签格式摸清楚。这套数据最容易被忽略的地方恰恰是「四个来源怎么被捏成同一种格式」——搞懂这一步你后面换自己的数据、调类别、做增强才不会翻车。2.1 四个来源的差异与统一策略RSNA538 张来自 RSNA 乳腺癌筛查竞赛原始是 DICOM含大量无病灶负样本MINI-DDSM-PNG-16200 张是 DDSM 的 PNG 精简版病灶区域标注相对规整MIAS100 张是老牌小数据集图像对比度偏低、噪声明显INBREAST62 张来自全视野数字乳腺摄影分辨率高但样本最少。这四个来源的灰度分布、病灶大小、背景比例都不一样直接混在一起训模型很容易偏向样本最多的 RSNA。统一策略通常是先按病灶框做裁剪或缩放再统一 resize 到 416×416最后把标注转成 YOLO 的归一化(class, x_center, y_center, w, h)格式。416 这个尺寸是权衡——比 640 省显存比 320 保留更多微小钙化点细节。代价是原始高分辨率片子里的小病灶被压缩后可能只剩几个像素这也是后面要重点关注的坑。2.2 目录结构与 labels.cache 的作用从项目正文能看到目录里有labels.cache和一批RSNA__xxxxx__xxxxx.png。命名规则是「来源__患者ID__图像ID」这种命名方便你回溯每张图属于哪个子集。labels.cache是 Ultralytics 框架自动生成的标签缓存文件第一次训练时会扫描所有.txt标签并缓存加速后续 epoch 的读取。一个典型的 YOLO 数据集目录长这样dataset/ ├── images/ │ ├── train/ │ │ ├── RSNA__39816__996130280.png │ │ └── ... │ └── val/ ├── labels/ │ ├── train/ │ │ ├── RSNA__39816__996130280.txt │ │ └── ... │ └── val/ └── data.yamllabels.cache一般出现在labels/train/或labels/val/下。如果你改了标签内容却没删缓存训练时读到的还是旧标签——这是新手最常踩的坑之一后面避坑章节会细说。2.3 data.yaml 怎么写才不出错YOLOv8 靠data.yaml找数据、认类别。针对这套单类别病灶数据集常见写法# data.yaml path: /home/user/mammo_dataset # 数据集根目录绝对路径最稳 train: images/train # 相对 path 的训练图目录 val: images/val # 相对 path 的验证图目录 nc: 1 # 类别数钼靶病灶通常就 1 类 names: 0: lesion # 类别名按你标注时的定义填参数说明path用绝对路径能避免「找不到文件」的玄学问题train/val是相对path的路径别写成绝对路径否则容易重复拼接nc必须和标签里的 class id 最大值对应标签里出现1而nc: 1会直接报越界。如果你的标签把良恶性分成两类就把nc改成 2 并在names里补上。2.4 先做一次数据体检再开训在写训练命令前我一般会跑一段脚本统计标签分布确认没有空标签、越界框和类别失衡import os from pathlib import Path label_dir Path(dataset/labels/train) empty, total, boxes 0, 0, 0 for txt in label_dir.glob(*.txt): total 1 lines txt.read_text().strip().splitlines() if not lines: empty 1 continue for line in lines: cls, x, y, w, h map(float, line.split()) # YOLO 归一化坐标必须在 0~1 之间 assert 0 x 1 and 0 y 1, f{txt} 中心点越界 assert 0 w 1 and 0 h 1, f{txt} 宽高越界 boxes 1 print(f标签文件 {total} 个空标签 {empty} 个总框数 {boxes}) print(f平均每图 {boxes/(total-empty):.2f} 个框)逻辑说明遍历所有标签文件先统计空标签负样本再逐行校验归一化坐标是否落在 0~1。钼靶数据里负样本比例高是正常的但如果空标签超过 60%训练时正负失衡会让召回率很难看需要调损失权重或做采样。这段脚本跑完心里就有底了比直接开训再对着 loss 曲线猜要靠谱得多。3. 用预训练权重跑通第一轮训练参数怎么设数据摸清楚后进入实操。这套资源自带 yolov8n/s/m/l/x 五个预训练权重选哪个、学习率怎么定、显存不够怎么办是这一章要解决的问题。我的建议是先用最小的 yolov8n 跑通全流程确认数据和代码没问题再换大模型冲精度。3.1 环境搭建与权重选择环境用 Ultralytics 官方包最省事Python 3.8 即可# 建议在虚拟环境里装避免污染系统 Python python -m venv yolov8_env source yolov8_env/bin/activate pip install ultralytics # 验证安装 yolo checksyolo checks会打印 PyTorch、CUDA 版本和可用设备。如果你只有 CPU训练会非常慢900 张 416×416 的图跑 100 epoch 大概要几个小时建议先用yolov8n加少量 epoch 验证流程。权重选择上五个模型的取舍很直接模型参数量级适用场景显存参考416, batch16yolov8n最小快速验证、CPU 或低显存约 2GByolov8s小精度与速度平衡约 3GByolov8m中有 GPU、追求精度约 5GByolov8l大数据量足够时约 8GByolov8x最大900 张数据容易过拟合约 12GB900 张的规模我一般从yolov8n或yolov8s起步。yolov8l/x参数量远超数据量很容易在训练集上 loss 一路降、验证集 mAP 却不动典型的过拟合。3.2 训练命令与关键参数一条能直接跑的训练命令yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz416 \ batch16 \ lr00.01 \ lrf0.01 \ patience20 \ device0 \ projectruns/mammo \ nameexp1参数逐个说imgsz416必须和数据集尺寸一致写 640 会触发额外缩放小病灶更糊batch16显存不够就降到 8 或 4别硬撑lr00.01是初始学习率小数据集可以降到 0.005 更稳lrf0.01是最终学习率系数配合余弦退火patience20表示 20 个 epoch 验证指标不升就早停省时间device0指定第一块 GPUCPU 训练就写devicecpu。3.3 训练过程看什么指标开训后终端会打印每个 epoch 的box_loss、cls_loss、dfl_loss和mAP50、mAP50-95。判断训练是否健康看三点box_loss 是否稳定下降、mAP50 是否在上升、验证 loss 有没有先降后升。如果 box_loss 降但 mAP 不动多半是标签有问题或学习率太大如果验证 loss 早早回升就是过拟合该减模型或加增强。训练完在runs/mammo/exp1/下会有weights/best.pt和results.csv。results.csv可以直接画损失曲线import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(runs/mammo/exp1/results.csv) df.columns df.columns.str.strip() # 列名可能带空格先清理 plt.plot(df[epoch], df[train/box_loss], labelbox_loss) plt.plot(df[epoch], df[metrics/mAP50(B)], labelmAP50) plt.xlabel(epoch); plt.legend(); plt.savefig(curve.png)逻辑说明results.csv的列名带空格和括号直接取列会报 KeyError先strip()清理。把 box_loss 和 mAP50 画在一张图上能直观看出收敛点方便决定要不要加 epoch。3.4 推理与验证训完拿best.pt做推理确认模型真的学到了东西yolo detect predict \ modelruns/mammo/exp1/weights/best.pt \ sourcedataset/images/val \ conf0.25 \ saveTrueconf0.25是置信度阈值钼靶病灶对比度低可以试着降到 0.15 看召回但别太低否则全是误检。结果图存在runs/detect/predict/重点看有没有把正常组织误标成病灶——这是钼靶检测最典型的假阳性来源。4. 避坑与排查钼靶数据训 YOLOv8 最容易翻车的五处这套数据我前后跑过几轮踩的坑基本集中在标签、尺寸和评估三块。下面五条按「现象→原因→解决」写都是血泪经验。现象一训练报Label class X is out of bounds。原因标签里的 class id 超过了data.yaml里的nc。比如标签写了1但nc: 1合法 id 只有 0。解决统计所有标签的 class id 最大值把nc改成max_id 1或把越界标签改回 0。现象二改了标签但训练结果没变化。原因labels.cache缓存了旧标签Ultralytics 默认优先读缓存。解决删掉labels/train/labels.cache和labels/val/labels.cache重新训练让它重建。这个坑最隐蔽我曾在改完标注后白跑了两小时。现象三mAP 一直上不去loss 却降得很低。原因四个来源混在一起模型偏向样本多的 RSNA小样本的 INBREAST 几乎学不到。解决给每个来源做分层采样或在data.yaml里拆成多个子集分别评估确认不是某个来源拖后腿。现象四小病灶完全检不出。原因416×416 压缩后原始高分辨率片子里的微小钙化点只剩 1~2 像素卷积核根本抓不住。解决要么提高输入尺寸到 640显存换精度要么对含小病灶的图做裁剪放大后再训别指望 resize 能保住所有细节。现象五验证集 mAP 高但实际推理全是误检。原因验证集和训练集同分布且钼靶背景组织复杂模型学到了「背景纹理」而非「病灶特征」。解决留一部分不同来源的图做独立测试集推理时调高conf到 0.4 以上必要时加 NMS 的iou阈值抑制重叠框。提示每次改动标签或data.yaml后先删缓存再训能省掉大量「为什么没生效」的排查时间。5. 从 900 张到可用模型迁移学习与数据增强的进阶打法900 张想训出能看的模型核心思路是「借预训练权重的力用增强补数据的缺」。这套资源自带的五个预训练权重就是起点关键是怎么在有限数据上把泛化做上去。第一招是冻结骨干网络做 warmup。前 10~20 个 epoch 只训检测头让模型先适应钼靶的灰度分布再解冻全网络微调# 第一阶段冻结 backbone只训 head yolo detect train datadata.yaml modelyolov8s.pt epochs20 freeze10 lr00.01 # 第二阶段解冻全部小学习率微调 yolo detect train datadata.yaml modelruns/mammo/exp_warmup/weights/best.pt epochs80 lr00.001freeze10表示冻结前 10 层骨干部分只更新后面的检测头。这样能防止随机初始化的头在早期把预训练特征带偏。第二阶段用best.pt接着训学习率降到 0.001避免破坏已学到的特征。第二招是针对钼靶的增强配置。默认增强对自然图像有效但钼靶是灰度图颜色抖动没意义反而该加强几何和对比度变换。在data.yaml同级建一个aug.yaml或在训练命令里覆盖# 训练时通过参数覆盖或写进 hyp.yaml hsv_h: 0.0 # 灰度图不需要色调抖动 hsv_s: 0.0 # 饱和度同理 hsv_v: 0.2 # 亮度微调模拟不同曝光 degrees: 10.0 # 小角度旋转钼靶摆位有轻微差异 translate: 0.1 # 平移模拟病灶位置变化 scale: 0.3 # 缩放缓解病灶大小不一 fliplr: 0.5 # 水平翻转乳腺左右对称安全 flipud: 0.0 # 垂直翻转不符合解剖关掉 mosaic: 0.5 # 马赛克增强小数据集提泛化参数说明hsv_h/s归零是因为灰度图没有色彩通道fliplr可以开因为左右乳腺镜像后解剖结构仍合理flipud必须关上下翻转会造出解剖上不存在的图像模型学到的是噪声。mosaic0.5表示 50% 概率做四图拼接对小数据集提升明显但钼靶病灶小拼接后可能更糊可以试 0.3。第三招是验证方法。别只看 mAP钼靶检测更该关注召回率和假阳性率。训完后用测试集跑一次混淆矩阵yolo detect val \ modelruns/mammo/exp_final/weights/best.pt \ datadata.yaml \ conf0.25 \ iou0.5 \ plotsTrueplotsTrue会生成混淆矩阵和 PR 曲线存在runs/detect/val/。重点看漏检假阴性有多少——临床上漏检比误检代价大得多。如果漏检集中在某个来源比如 INBREAST说明该来源样本太少得针对性补数据或做重采样。我现在的习惯是拿到任何新数据集先跑一遍数据体检脚本再删缓存、冻结 warmup、最后用独立测试集看召回。这套流程走下来900 张也能训出一个能用的原型。从那以后我每次换数据集都强制走一遍体检和缓存清理再没被「改了没生效」坑过。希望帮到你。本文还有配套的精品资源点击获取
简介这份资源面向医学影像检测与深度学习实践者提供一套已用YOLOv8格式标注的乳房X光检查数据集可用于训练和验证乳腺病灶目标检测模型。数据整合自RSNA、MINI-DDSM-PG-16、MIAS与INBREAST四个公开来源共900张图像统一缩放至416×416并划分训练与测试集省去自行清洗与标注的繁琐环节。压缩包共1908个文件以1000个png图像和901个txt标注文件为主另含4个pt预训练权重yolov8l、yolov8m、yolov8n、yolov8x、2个cache缓存与1个yaml配置文件整体约496.76MB开箱即可接入YOLOv8训练流程。目前已有764人学习下载。读者可直接复用标注数据与预训练模型快速搭建检测基线对比不同规模模型的精度与速度并在此基础上做迁移学习、数据增强或跨数据集泛化实验适合课程设计、科研入门与算法验证等场景。1. 从 900 张钼靶片说起这套 YOLOv8 标记数据集到底能干什么如果你正在做乳腺 X 光钼靶病灶检测又不想从零标注几千张 DICOM那这套已经转好 YOLO 格式的 900 张图像数据集值得先跑一遍。它把 RSNA、MINI-DDSM-PNG-16、MIAS、INBREAST 四个来源的片子统一到 416×416 的 PNG配好了labels.cache和同名标签直接丢进 YOLOv8 就能开训。目录里还附了 yolov8n/s/m/l/x 五个预训练权重省去单独下载的功夫。适合两类人一是想快速验证钼靶检测 pipeline 的算法工程师二是拿它做课程设计或毕设、需要一份能跑通全流程数据的学生。要注意的是900 张的规模只够做原型验证和迁移学习起点别指望它单独训出临床级模型——它的价值在于让你把「数据→训练→推理→评估」这条链路先跑顺再决定要不要扩数据。2. 拆开目录看门道四个数据源怎么统一成 YOLO 格式拿到一个数据集我习惯先不急着训而是把目录结构和标签格式摸清楚。这套数据最容易被忽略的地方恰恰是「四个来源怎么被捏成同一种格式」——搞懂这一步你后面换自己的数据、调类别、做增强才不会翻车。2.1 四个来源的差异与统一策略RSNA538 张来自 RSNA 乳腺癌筛查竞赛原始是 DICOM含大量无病灶负样本MINI-DDSM-PNG-16200 张是 DDSM 的 PNG 精简版病灶区域标注相对规整MIAS100 张是老牌小数据集图像对比度偏低、噪声明显INBREAST62 张来自全视野数字乳腺摄影分辨率高但样本最少。这四个来源的灰度分布、病灶大小、背景比例都不一样直接混在一起训模型很容易偏向样本最多的 RSNA。统一策略通常是先按病灶框做裁剪或缩放再统一 resize 到 416×416最后把标注转成 YOLO 的归一化(class, x_center, y_center, w, h)格式。416 这个尺寸是权衡——比 640 省显存比 320 保留更多微小钙化点细节。代价是原始高分辨率片子里的小病灶被压缩后可能只剩几个像素这也是后面要重点关注的坑。2.2 目录结构与 labels.cache 的作用从项目正文能看到目录里有labels.cache和一批RSNA__xxxxx__xxxxx.png。命名规则是「来源__患者ID__图像ID」这种命名方便你回溯每张图属于哪个子集。labels.cache是 Ultralytics 框架自动生成的标签缓存文件第一次训练时会扫描所有.txt标签并缓存加速后续 epoch 的读取。一个典型的 YOLO 数据集目录长这样dataset/ ├── images/ │ ├── train/ │ │ ├── RSNA__39816__996130280.png │ │ └── ... │ └── val/ ├── labels/ │ ├── train/ │ │ ├── RSNA__39816__996130280.txt │ │ └── ... │ └── val/ └── data.yamllabels.cache一般出现在labels/train/或labels/val/下。如果你改了标签内容却没删缓存训练时读到的还是旧标签——这是新手最常踩的坑之一后面避坑章节会细说。2.3 data.yaml 怎么写才不出错YOLOv8 靠data.yaml找数据、认类别。针对这套单类别病灶数据集常见写法# data.yaml path: /home/user/mammo_dataset # 数据集根目录绝对路径最稳 train: images/train # 相对 path 的训练图目录 val: images/val # 相对 path 的验证图目录 nc: 1 # 类别数钼靶病灶通常就 1 类 names: 0: lesion # 类别名按你标注时的定义填参数说明path用绝对路径能避免「找不到文件」的玄学问题train/val是相对path的路径别写成绝对路径否则容易重复拼接nc必须和标签里的 class id 最大值对应标签里出现1而nc: 1会直接报越界。如果你的标签把良恶性分成两类就把nc改成 2 并在names里补上。2.4 先做一次数据体检再开训在写训练命令前我一般会跑一段脚本统计标签分布确认没有空标签、越界框和类别失衡import os from pathlib import Path label_dir Path(dataset/labels/train) empty, total, boxes 0, 0, 0 for txt in label_dir.glob(*.txt): total 1 lines txt.read_text().strip().splitlines() if not lines: empty 1 continue for line in lines: cls, x, y, w, h map(float, line.split()) # YOLO 归一化坐标必须在 0~1 之间 assert 0 x 1 and 0 y 1, f{txt} 中心点越界 assert 0 w 1 and 0 h 1, f{txt} 宽高越界 boxes 1 print(f标签文件 {total} 个空标签 {empty} 个总框数 {boxes}) print(f平均每图 {boxes/(total-empty):.2f} 个框)逻辑说明遍历所有标签文件先统计空标签负样本再逐行校验归一化坐标是否落在 0~1。钼靶数据里负样本比例高是正常的但如果空标签超过 60%训练时正负失衡会让召回率很难看需要调损失权重或做采样。这段脚本跑完心里就有底了比直接开训再对着 loss 曲线猜要靠谱得多。3. 用预训练权重跑通第一轮训练参数怎么设数据摸清楚后进入实操。这套资源自带 yolov8n/s/m/l/x 五个预训练权重选哪个、学习率怎么定、显存不够怎么办是这一章要解决的问题。我的建议是先用最小的 yolov8n 跑通全流程确认数据和代码没问题再换大模型冲精度。3.1 环境搭建与权重选择环境用 Ultralytics 官方包最省事Python 3.8 即可# 建议在虚拟环境里装避免污染系统 Python python -m venv yolov8_env source yolov8_env/bin/activate pip install ultralytics # 验证安装 yolo checksyolo checks会打印 PyTorch、CUDA 版本和可用设备。如果你只有 CPU训练会非常慢900 张 416×416 的图跑 100 epoch 大概要几个小时建议先用yolov8n加少量 epoch 验证流程。权重选择上五个模型的取舍很直接模型参数量级适用场景显存参考416, batch16yolov8n最小快速验证、CPU 或低显存约 2GByolov8s小精度与速度平衡约 3GByolov8m中有 GPU、追求精度约 5GByolov8l大数据量足够时约 8GByolov8x最大900 张数据容易过拟合约 12GB900 张的规模我一般从yolov8n或yolov8s起步。yolov8l/x参数量远超数据量很容易在训练集上 loss 一路降、验证集 mAP 却不动典型的过拟合。3.2 训练命令与关键参数一条能直接跑的训练命令yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz416 \ batch16 \ lr00.01 \ lrf0.01 \ patience20 \ device0 \ projectruns/mammo \ nameexp1参数逐个说imgsz416必须和数据集尺寸一致写 640 会触发额外缩放小病灶更糊batch16显存不够就降到 8 或 4别硬撑lr00.01是初始学习率小数据集可以降到 0.005 更稳lrf0.01是最终学习率系数配合余弦退火patience20表示 20 个 epoch 验证指标不升就早停省时间device0指定第一块 GPUCPU 训练就写devicecpu。3.3 训练过程看什么指标开训后终端会打印每个 epoch 的box_loss、cls_loss、dfl_loss和mAP50、mAP50-95。判断训练是否健康看三点box_loss 是否稳定下降、mAP50 是否在上升、验证 loss 有没有先降后升。如果 box_loss 降但 mAP 不动多半是标签有问题或学习率太大如果验证 loss 早早回升就是过拟合该减模型或加增强。训练完在runs/mammo/exp1/下会有weights/best.pt和results.csv。results.csv可以直接画损失曲线import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(runs/mammo/exp1/results.csv) df.columns df.columns.str.strip() # 列名可能带空格先清理 plt.plot(df[epoch], df[train/box_loss], labelbox_loss) plt.plot(df[epoch], df[metrics/mAP50(B)], labelmAP50) plt.xlabel(epoch); plt.legend(); plt.savefig(curve.png)逻辑说明results.csv的列名带空格和括号直接取列会报 KeyError先strip()清理。把 box_loss 和 mAP50 画在一张图上能直观看出收敛点方便决定要不要加 epoch。3.4 推理与验证训完拿best.pt做推理确认模型真的学到了东西yolo detect predict \ modelruns/mammo/exp1/weights/best.pt \ sourcedataset/images/val \ conf0.25 \ saveTrueconf0.25是置信度阈值钼靶病灶对比度低可以试着降到 0.15 看召回但别太低否则全是误检。结果图存在runs/detect/predict/重点看有没有把正常组织误标成病灶——这是钼靶检测最典型的假阳性来源。4. 避坑与排查钼靶数据训 YOLOv8 最容易翻车的五处这套数据我前后跑过几轮踩的坑基本集中在标签、尺寸和评估三块。下面五条按「现象→原因→解决」写都是血泪经验。现象一训练报Label class X is out of bounds。原因标签里的 class id 超过了data.yaml里的nc。比如标签写了1但nc: 1合法 id 只有 0。解决统计所有标签的 class id 最大值把nc改成max_id 1或把越界标签改回 0。现象二改了标签但训练结果没变化。原因labels.cache缓存了旧标签Ultralytics 默认优先读缓存。解决删掉labels/train/labels.cache和labels/val/labels.cache重新训练让它重建。这个坑最隐蔽我曾在改完标注后白跑了两小时。现象三mAP 一直上不去loss 却降得很低。原因四个来源混在一起模型偏向样本多的 RSNA小样本的 INBREAST 几乎学不到。解决给每个来源做分层采样或在data.yaml里拆成多个子集分别评估确认不是某个来源拖后腿。现象四小病灶完全检不出。原因416×416 压缩后原始高分辨率片子里的微小钙化点只剩 1~2 像素卷积核根本抓不住。解决要么提高输入尺寸到 640显存换精度要么对含小病灶的图做裁剪放大后再训别指望 resize 能保住所有细节。现象五验证集 mAP 高但实际推理全是误检。原因验证集和训练集同分布且钼靶背景组织复杂模型学到了「背景纹理」而非「病灶特征」。解决留一部分不同来源的图做独立测试集推理时调高conf到 0.4 以上必要时加 NMS 的iou阈值抑制重叠框。提示每次改动标签或data.yaml后先删缓存再训能省掉大量「为什么没生效」的排查时间。5. 从 900 张到可用模型迁移学习与数据增强的进阶打法900 张想训出能看的模型核心思路是「借预训练权重的力用增强补数据的缺」。这套资源自带的五个预训练权重就是起点关键是怎么在有限数据上把泛化做上去。第一招是冻结骨干网络做 warmup。前 10~20 个 epoch 只训检测头让模型先适应钼靶的灰度分布再解冻全网络微调# 第一阶段冻结 backbone只训 head yolo detect train datadata.yaml modelyolov8s.pt epochs20 freeze10 lr00.01 # 第二阶段解冻全部小学习率微调 yolo detect train datadata.yaml modelruns/mammo/exp_warmup/weights/best.pt epochs80 lr00.001freeze10表示冻结前 10 层骨干部分只更新后面的检测头。这样能防止随机初始化的头在早期把预训练特征带偏。第二阶段用best.pt接着训学习率降到 0.001避免破坏已学到的特征。第二招是针对钼靶的增强配置。默认增强对自然图像有效但钼靶是灰度图颜色抖动没意义反而该加强几何和对比度变换。在data.yaml同级建一个aug.yaml或在训练命令里覆盖# 训练时通过参数覆盖或写进 hyp.yaml hsv_h: 0.0 # 灰度图不需要色调抖动 hsv_s: 0.0 # 饱和度同理 hsv_v: 0.2 # 亮度微调模拟不同曝光 degrees: 10.0 # 小角度旋转钼靶摆位有轻微差异 translate: 0.1 # 平移模拟病灶位置变化 scale: 0.3 # 缩放缓解病灶大小不一 fliplr: 0.5 # 水平翻转乳腺左右对称安全 flipud: 0.0 # 垂直翻转不符合解剖关掉 mosaic: 0.5 # 马赛克增强小数据集提泛化参数说明hsv_h/s归零是因为灰度图没有色彩通道fliplr可以开因为左右乳腺镜像后解剖结构仍合理flipud必须关上下翻转会造出解剖上不存在的图像模型学到的是噪声。mosaic0.5表示 50% 概率做四图拼接对小数据集提升明显但钼靶病灶小拼接后可能更糊可以试 0.3。第三招是验证方法。别只看 mAP钼靶检测更该关注召回率和假阳性率。训完后用测试集跑一次混淆矩阵yolo detect val \ modelruns/mammo/exp_final/weights/best.pt \ datadata.yaml \ conf0.25 \ iou0.5 \ plotsTrueplotsTrue会生成混淆矩阵和 PR 曲线存在runs/detect/val/。重点看漏检假阴性有多少——临床上漏检比误检代价大得多。如果漏检集中在某个来源比如 INBREAST说明该来源样本太少得针对性补数据或做重采样。我现在的习惯是拿到任何新数据集先跑一遍数据体检脚本再删缓存、冻结 warmup、最后用独立测试集看召回。这套流程走下来900 张也能训出一个能用的原型。从那以后我每次换数据集都强制走一遍体检和缓存清理再没被「改了没生效」坑过。希望帮到你。本文还有配套的精品资源点击获取
