计算机毕设选题的时候我第一个淘汰的就是那种“智慧校园管理系统”一类的大路货。原因很简单这类题目做的人太多数据库、CRUD、页面翻转答辩评委看一眼开头就知道结尾问不出深度分也平淡。所以我把目光放在了医疗图像方向最终定下的题目是基于深度学习的结直肠息肉内镜图像分类算法研究并且用PyQt5做了一个可交互的演示系统检测模型用的是当时新出的YOLOv10。这个组合有一个很实际的好处算法有深度系统有完成度答辩有得聊。整个毕设横跨了数据清洗、模型训练、推理部署、界面集成四个环节不用依赖任何云端算力一张普通的游戏显卡就能跑完。如果你是计算机、大数据、人工智能相关专业的学生正被毕设题目、中期检查、答辩演示三座大山压着这篇文章会把我的完整做法、训练时踩过的坑、以及答辩现场被追问最多的问题一次讲清楚。1. 毕设选题逻辑医疗图像、目标检测与完整系统闭环1.1 为什么是结直肠息肉内镜图像医疗图像方向每年都是毕设热门但热门里也分三六九等。纯分类任务太单薄一个ResNet调包跑准确率评委三句话问完纯分割任务又太重标注成本高不说神经网络的训练周期也比较磨人。结直肠息肉检测属于目标检测任务难度适中而且临床价值在医疗图像方向里非常直观结直肠癌的癌前病变主要就是腺瘤性息肉筛查靠肠镜而内镜图像里息肉有大有小有带蒂的、有扁平的背景里还有肠腔褶皱和气泡干扰天然适合做目标检测。这个特性让我的选题说明写起来特别顺不需要堆砌具有重要的研究意义这种空话直接说检测并定位内镜图像中的息肉辅助医生降低漏检率就够了。老师一听就知道这个题目不是拍脑袋选的是有实际场景支撑的。再有一点结直肠息肉内镜图像作为公开可获取的医学数据集相比其他需要签署一堆保密协议的医疗影像获取路径相对简单这对学生身份非常友好。我没有条件自建数据集所以选择了公开的内镜图像资源标注格式直接统一成YOLO系模型通用的txt格式省掉了大量格式转换的麻烦。1.2 为什么用YOLOv10而不是YOLOv8或更早版本模型选型是毕设里最容易被评委追问的点。我当时对比了几个候选YOLOv5太老论文创新点写不出花YOLOv8是主流资料多但大家都用就等于没有亮点YOLOv9和YOLOv10二选一的话v10最核心的变化是去掉了NMS非极大值抑制这个改动在答辩时太好讲了一句话就能说清v10通过one-to-one匹配策略让模型自己输出唯一的预测框省掉了后处理环节。从实际效果看YOLOv10的s模型体积不大但检测精度比v8s有明显提升尤其在目标不算大的医学图像场景下不带anchor的设计让模型对物体大小没有那么敏感。而且Ultralytics的生态把训练、验证、导出整合得非常顺滑我只需要写一页配置文件和几百行训练代码就启动了这对我这种要同时肝论文和代码的人来说省下的时间是非常可观的。1.3 毕设工作的范围和验收标准很多同学做毕设最大的问题不是不努力而是用力不均匀。拿到题目就冲去调模型结果PyQt界面拖到答辩前一个礼拜最后演示系统粗糙得没法看还有的从早到晚抠界面模型精度又掉到没法解释。我给自己定的规矩是模型和界面七三开但每一步都得能独立演示。具体拆分下来整个项目分成四个模块数据预处理图片整理、类别标注、划分训练/验证/测试集、模型训练YOLOv10的配置和超参调优、模型评估mAP、F1-score、图像级别的准确率统计、界面系统选择图片、实时检测、结果展示、批量导出。验收标准很朴素打开系统拖一张内镜图片进去一两秒内画出一个带置信度的方块说明这是息肉拖十张进去能全部处理并导出CSV结果。做到这一步至少不会被答辩评委觉得是个半成品。2. 数据准备内镜图像项目的首个硬骨头2.1 数据获取、划分与合规意识内镜图像不是普通自拍涉及患者隐私和医疗合规。这一点必须放在最前面说不能随便找来源不明的图片更不能用自己的私有数据强行训练。我使用的是公开的内镜影像数据集这类数据集通常在论文中附有使用许可仅用于学术研究和教学目的。如果你的学校要求提供数据来源证明建议保留数据集主页的访问时间截图和说明引用并在论文里注明数据来自公开医学影像数据集已遵循MITCC协议之类的规范表述。数据量方面公开数据集的息肉图片数量大概在千张级别去除模糊、重复、非内镜图片之后我实际用于训练的干净样本大约一千多张。这个量级对目标检测来说并不算多所以我做了两件事一是严格控制训练集和验证集的划分确保同一病例的不同帧不会跨集合出现否则模型会靠背图像拿到虚高的分数二是把测试集单独留出这部分图片在训练阶段一次都不参与只用来做最终效果演示和指标报告。划分比例参考做法集合数量用途训练集约1000张模型参数学习验证集约150张超参调整与训练监控测试集约100张最终精度统计与论文实验2.2 标注格式与样本质量控制YOLOv10走的还是YOLO系的标准标注格式一张图片对应一个同名txt文件每一行是类别ID cx cy w h其中cx、cy是目标中心点坐标w、h是响应宽度和高度全部以图片宽高为基准做了归一化。这里有一个我当时忽略、后来吃了大亏的细节小目标的w和h值非常小写在txt里经常是0.013这种小数点后三位的数字任何一次手动改动都可能让目标框彻底偏移。所以整理标注时我宁可多花时间检查也没用自动复制之类的小聪明。检查方法很简单写一个脚本读标注并在原图上绘制然后逐张看。看起来笨但能过滤掉标注线压图边界、中心点漂移到背景这类严重问题。另外一个容易忽视的问题是息肉类别的定义。内镜图里有些凸起是正常黏膜褶皱有些是气泡反射出来的假影和真息肉在外观上很难分。我最终采用二分类只标注息肉polyp这一类背景即非息肉不让模型承担细分类的任务。原因很直接数据量不够支撑多分类强行细分只会让每个类别的样本数量变少模型学得反而不稳定。2.3 数据增强针对消化道内镜场景的调整YOLOv8/v10自带的增强pipeline里包含随机翻转、缩放、HSV扰动等常规操作。但内镜图像有特殊性光线不均匀是常态息肉经常在画面边缘被切到一半远处小息肉只占几十个像素。所以我按照以下思路调整了增强策略翻转水平翻转和垂直翻转都打开因为内镜随时在旋转图片方向不是固定的。亮度、对比度调整强化一点模拟不同内镜设备的画面明暗差异。Mosaic合并开Mosaic增强每次用多张图拼接训练在数据量偏少时效果很明显。Scale范围默认缩放区间对小目标不太友好我把缩放下界调低了一些让模型能见到更多小目标形态。不过增强也不能开得过猛。我一开始把HSV增强的幅度拉得很大结果模型在验证集上花屏一样泛黄把高光处当成息肉。后来把色相、饱和度、明度的强度控制在很小的区间问题就消失了。3. YOLOv10 模型解析anchor-free、NMS-free 和更适合毕设的特性3.1 Backbone、Neck和Head的结构速览很多同学把YOLOv10当黑盒用答辩评委一问它的Head是怎么改进的就卡壳。所以我先捋一遍整体结构YOLOv10延续了CSPNet的Backbone设计思路通过C2f模块提取特征然后用FPN/PAN结构的Neck融合多尺度信息。这个设计的好处是模型在浅层能捕捉到边缘、纹理等细节特征吗在深层能捕捉到语义信息适合检测大小差异很大的物体。最关键的改动在Head部分。传统YOLO系模型依赖NMS做预测框的最终筛选因为训练时一个目标会匹配多个预测框推理时得用NMS把冗余框压掉。YOLOv10把匹配机制改成了双分支混合匹配一个分支用one-to-many策略让模型学得充分另一个分支用one-to-one策略在推理时直接输出稀疏的唯一框训练时两个分支共享权重推理时只留one-to-one分支。这样NMS就从算法流程里删掉了推理速度更快实现也更干净。毕设论文里如果要画结构图我建议画清楚这三部分Backbone负责图像特征提取NeckFPNPAN融合不同尺度的特征提升小目标检测能力Head负责分类和回归即输出是不是息肉和框在哪两个信息。3.2 训练配置与关键超参我的训练环境比较普通一张8GB显存的N卡PyTorch框架Ultralytics的YOLO工程。模型选用yolov10s原因有三n模型太小精度低m模型太大显存和训练时间都紧张s是性能和资源的平衡点。输入尺寸选640降低显存压力又能保留小目标足够的像素信息。要求更高的场景可以尝试1280但训练时间差不多翻倍好在毕设场景用不上那么极限。训练参数我最后定格成这样model: yolov10s.pt data: polyps.yaml epochs: 200 batch: 16 imgsz: 640 patience: 30 optimizer: AdamW lr0: 0.001 cos_lr: True这组参数不是我一开始就定好的中间改了很多次。比如优化器YOLOv8和v10官方默认用SGD但我实测SGD在这个任务上收敛偏慢换成AdamW之后前期loss掉得明显快很多最终精度还微涨了一点。试验记录放在论文里是很好的对比论据同一个数据集上SGD跑了200轮的mAP50落在aAdamW落在b虽然差距不算大但能证明我做过多组对比实验。3.3 实验记录与结果对比我做了三组对照实验模型输入尺寸优化器mAP50推理耗时单图GPU结论YOLOv10n640AdamW0.825ms左右速度快但小息肉易漏YOLOv10s640SGD0.858ms左右稳定收敛慢YOLOv10s640AdamW0.878ms左右最终选定方案指标是验证集上的mAP50。为什么要看mAP50而不是mAP50-95一个是息肉目标相对稀疏50-95的严格度量会把小目标判得太苛刻导致数字不好看另一个是毕设答辩真正关心的是模型能不能检出息肉mAP50足够直观。先把这话想清楚答辩时就不会被评委拿指标问倒。4. PyQt5界面把模型包装成“能演示的系统”4.1 界面模块设计与交互逻辑毕设要可演示纯命令行跑模型是撑不起这个要求的所以PyQt这个环节绝不能糊弄。我搭的界面不是什么炫酷的软件框架就四个区域加一整套简洁的流程图片导入区支持单张选择和文件夹批量导入预览显示区显示原图和检测结果图在PyQt里用QLabel放QPixmap即可结果信息区显示检测到的息肉数量、每个框的类别和置信度导出区结果图一键保存检测信息表格导出为Excel/CSV。这个设计的核心思路是所有操作从打开图片到导出结果形成闭环每一步都要有可视化反馈。评委点了一个按钮界面要有反应检测完框要画在图片上旁边要列数字。这些细节比多做一个花里胡哨的统计图表更能传递这个系统是完整可用的。4.2 QThread推理线程和结果可视化PyQt容易踩的坑是直接在主线程里跑模型推理。YOLOv10s单张GPU推理虽然只要几十毫秒但在纯CPU环境、加载模型和做预处理时很容易卡住UI界面轻则按钮没反馈重则整个窗口变成灰色死状态。被卡了一回之后我就学乖了推理全部放进QThread线程主线程只负责响应按钮点击和刷新界面。核心代码思路如下import cv2 from PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QPushButton, QFileDialog from PyQt5.QtCore import QThread, pyqtSignal from ultralytics import YOLO class DetectThread(QThread): result_ready pyqtSignal(object, str) def __init__(self, model_path, img_path, conf_threshold): super().__init__() self.model_path model_path self.img_path img_path self.conf_threshold conf_threshold def run(self): # 每个线程单独加载模型避免多个线程争抢同一个model实例 model YOLO(self.model_path) results model.predict( sourceself.img_path, confself.conf_threshold, iou0.45, imgsz640, verboseFalse ) self.result_ready.emit(results, self.img_path) class MainWindow(QMainWindow): def __init__(self): super().__init__() self.image_label QLabel() self.start_btn QPushButton(开始检测) self.detect_thread None def choose_and_detect(self): img_path, _ QFileDialog.getOpenFileName(self, 选择内镜图片, , Images (*.png *.jpg *.jpeg *.bmp)) if not img_path: return # 同一个线程对象不能重复start每次新建 self.detect_thread DetectThread(weights/best.pt, img_path, 0.25) self.detect_thread.result_ready.connect(self.show_result) self.detect_thread.start() def show_result(self, results, img_path): annotated results[0].plot() rgb_image cv2.cvtColor(annotated, cv2.COLOR_BGR2RGB) # QImage - QPixmap - QLabel ...几个操作意图要说清楚模型路径不要写绝对路径否则换电脑演示就失效QThread对象不要重复start每次检测都新建一个线程对象显示结果图时要先把BGR转换回RGB否则颜色会完全颠倒。这些都是我实际跑错之后才明白的。4.3 模型文件打包与相对路径处理毕设演示最大的突发状况是换机器。我在实验室台式机上训练和调试好好的拿去答辩教室用笔记本一跑界面打不开原因是代码里写了E:/xxx/best.pt这种硬编码路径。后来我把所有资源文件放到项目目录下的weights/文件夹里代码里统一用相对路径定位import os BASE_DIR os.path.dirname(os.path.abspath(__file__)) MODEL_PATH os.path.join(BASE_DIR, weights, best.pt)这样整个项目打包后整目录拷贝到任何机器上都能跑。如果你有跨平台演示需求不要在代码里写死盘符这一点放在论文的附录里也时候被老师夸过的。关于依赖打包用PyInstaller打exe包也试过但Ultralytics带上后体积很可观且容易误杀模型文件。我的建议是答辩时直接用PyCharm或终端把环境跑起来只要把requirements.txt写好比打exe省事得多。5. 训练调试实录从loss异常到稳定收敛的经验5.1 第一个坑小目标让loss震荡训练前期我发现loss曲线不是稳步往下走而是像心电图一样剧烈抖动验证集精度长时间在低位徘徊。排查了一圈问题出在标注上有一部分息肉在图片里很小归一化之后w和h不足0.02这种目标的回归任务对模型来说太具挑战性一遇到大梯度更新loss就被顶上去。解决办法有两层。第一层是训练策略上把输入尺寸从640提到768小目标在图像里占的像素多了特征更清晰第二层是加大对小目标的增强概率Mosaic和Scale调整后模型能看到的小目标样本比例上升。这个属于通用处理手段效果立竿见影三四十轮之后训练曲线就平顺了很多。给做同类任务的同学提个醒看到loss抖不要太急着调学习率先看是不是数据本身的目标尺度分布问题。凸优化的事后面再说数据层面的问题不解决优化器再换也是白搭。5.2 第二个坑类别不平衡与假阴性错觉息肉在整张内镜图里占比通常很小背景占绝大部分这就天然存在正负样本不平衡。虽然YOLO系模型有focal loss之类的机制缓解这个问题但我的数据里还有一个更隐蔽的问题正常肠道图像占了一部分这类图片没有任何标注目标。这些无目标图片放进训练集模型容易学成看什么都觉得是背景导致真息肉出现时置信度偏低表现为较严重的漏检。我的处理方式是把无目标图片的控制在一定比例内避免训练数据里全是负样本同时单独留了一小批只有背景的验证图片用来检查误报率。实验后记录了一个值得复盘的结果在验证集上mAP50不错但实际跑文件夹批量检测时有几张含黏膜气泡的图片被误报成息肉。原因是气泡的形状和息肉早期病变实在太像。这个误报问题我最终用提升置信度阈值的方式压住一部分代价是会漏掉一两个低置信度的真息肉。这是检测系统里常见的precision/recall取舍我在论文里如实写了反而成为答辩时拿得出手的分析点。5.3 验证模型效果的正确打开方式训练结束不等于项目结束。不要只看mAP还要看实际预测图。我做了两件事一是随机选几幅验证集图片画上预测框和医生标注的Ground Truth框并排对比二是单独选了一些困难样本比如画面模糊、息肉位于边缘高光处、多个息肉相邻的图专门做成一个测试小集。这个小集的效果反馈直接把我看清醒了单息肉大目标全部检测成功但多息肉、小息肉的场景偶尔漏检。为了解决这个问题才决定动量调优靠数据增强把多息肉场景的有效样本密度提上去。训练曲线和困难样本的改进过程被我整理成图表放在论文的实验章节评委想看细节的时候有东西可以递过去。6. 答辩准备评委必问问题与演示避坑6.1 高频问题应对思路答辩现场不用怕被问但得把会被问什么提前想明白。根据我实际经历和同学互相模拟答辩收集的问题高频追问集中在这几类上为什么用YOLOv10答NMS-free的双分支匹配机制再补一句v10在官方COCO上精度更高、延迟更低且在医学小目标场景下表现优于v8我论文里有对比实验数据支撑。你的创新点在哪里这里千万别吹改进了模型结构。实际项目大概率没改结构所以诚实回答创新的重点在于场景适配和工程化针对内镜图像特征的增强策略、数据集构建方案、以及PyQt推理系统的轻量化部署。如果遇到低质量模糊图像怎么办答两点一是训练时已经加入了模糊退化模拟二是置信度阈值可调用户可以根据实际场景在界面上手动调参数。这个系统在实际临床能用吗答案要谨慎。真诚表明这更接近辅助筛查的可视化验证系统距离临床落地还有很多差距比如实时视频流处理与硬件适配没有做。这样回答反而体现你对领域边界的理解。有同学一旦被追问就慌我的办法是把论文里的实验数据做成一张总表放在答辩PPT的附录页。被问到指标就翻出来被问对比就把表格亮出来现场很加分。6.2 答辩演示的现场策略答辩演示环节我吃了教训总结成四条硬规矩第一不要在答辩现场临时训练或跑未经测试的代码。我的演示机器和PyTorch环境提前一周就固定下来能跑通哪些图、跑一张要多久都是提前验证过的。新写没测过的功能绝不现场加。第二准备三张典型图片一张单发的大息肉一张多发的小息肉一张带气泡干扰的正常黏膜。前两张展示模型的成绩第三张展示阈值调高后能压住误报的能力。演示要有设计感让评委看到你不仅跑通了还理解边界在哪里。第三把模型加载时间“藏”起来。如果模型是每次打开图片才加载CPU要卡几秒。我的做法是在界面启动时就预加载好模型文件启动时慢三秒后面每张图都几乎秒出演示体验完全不同。第四被问如果这图跑不出来怎么办时不要慌着解释直接说我可以尝试把置信度阈值调低一些再检测一次这也是系统提供参数调节的原因。把突发状况当成设计特点来答往往会更稳。7. 做完这个项目后的几点体会最后聊几句题外话也是我这几个月反复回想的东西。医疗图像方向在毕设里确实容易出彩但它也是真的磨人。我原以为最累的是调模型后来发现最难的是数据——整理干净、规范、可复现的数据以及让自己对每张图的内容都心中有数。这听起来不酷却恰恰是深度学习项目里最考验基本功的部分。写完论文回头看这份对数据的敬畏可能比会调几个模型接口更值钱。如果这个题目之后还有兴趣继续扩展我建议可以朝三个方向走一是把单张图片检测升级为视频序列的实时检测对应临床内镜操作场景更自然二是把YOLOv10和Transformer类结构做个轻量级融合实验适合想冲高点的同学三是把界面做成多端适配加载批量数据统计分析顺便完成大屏展示论文的工作量还能再上一个台阶。方法都是现成的模型代码和界面骨架就在那里关键是肯不敢踏出下一步。祝准备毕设的同学答辩顺利抽到顺手的题。
