构建肺炎检测系统：YOLOv8训练与PyQt5界面集成实践

医疗影像的AI辅助检测，这几年已经不新鲜了，但真正能把一个模型从数据集处理、训练调优一路做到可视化界面，能拿给科室医生做Demo演示的项目，其实并不多。我这次做的这套“基于深度学习的肺炎检测系统”，就是把YOLOv8目标检测框架、整理的胸片数据集、Python推理脚本和UI交互界面完整串起来，做成了一个可运行、可演示、可继续迭代的小系统。这个项目的核心价值不在于模型精度刷到多高，而在于让一条完整的技术链路跑通：从原始影像数据到YOLO格式标注，再到模型训练、指标评估、界面集成，每一步都踩实。内容适合正在做计算机视觉项目但没有完整工程经验的开发者，也适合需要给非技术同事演示AI落地效果的从业者参考。

1. 项目整体设计与方案选型

1.1 项目需求解析：为什么是肺炎检测

先聊一个最基本的行业背景。影像科医生每天需要阅读大量的胸部X光片，在高压工作环境下，局灶性炎性病变、早期磨玻璃样阴影这类特征不明显的病灶，漏诊率并不低。AI辅助筛查的价值在于，它能在医生阅片前先自动标出疑似区域，让医生带着“锚点”去复核，而不是替医生下诊断结论。

基于这个场景需求，我要做的不只是一个算法模型，而是一个“能用”的检测工具：医生上传一张胸片，系统自动给出疑似病灶的边界框、类别置信度和数量统计。这个定位贯穿了后续所有技术选择。

1.2 技术选型：YOLOv8凭什么合适

视觉检测领域能选的技术路线很多，但做一个医学影像检测Demo，YOLOv8几乎是当前综合成本最低的选择。

目标检测模型经历过几个阶段，早期两阶段的Faster R-CNN精度高，但推理速度慢，部署时要转模型、写前后处理，代码量不小。后来单阶段的YOLO系列把检测速度提了上来，YOLOv5靠社区生态打出了知名度，YOLOv8则在这个基础上有几个关键优势：内置了anchor-free的解耦检测头、自带数据增强策略、训练和推理的入口统一封装在ultralytics包里。对一个Python项目而言，这意味着不需要自己造轮子。

如果换成ResNet这类分类模型，虽然也能判断“有没有肺炎”，但输出只是一段概率值，医生根本无法定位病灶在哪里，临床价值大打折扣。YOLOv8输出的是边界框坐标和置信度，直接对应“哪块区域可疑”这个需求。再加上模型体积小、CPU也能跑推理，这套系统在有独显的工作站和普通办公电脑上都能演示，可移植性很强。

1.3 系统架构与技术链路

整个系统的数据流向很简单，我分成四个环节：

1. 数据层：收集胸部X光影像，解析已有标注，统一转换成YOLO训练需要的txt格式。
2. 训练层：配置数据集YAML文件，调用YOLOv8接口完成训练，输出模型权重。
3. 推理层：封装模型加载、预处理、后处理逻辑，对外提供detect接口。
4. 展示层：用PyQt5编写界面，读取图片后调用推理接口，把检测结果绘制在图片上。

这样的分层方式好处很明显：每一层都可以独立替换。比如后期想换更轻量的模型，只需要改推理层的模型路径，界面和数据处理逻辑完全不动。这也是我后来做版本迭代时体会最深的一点，架构上保留解耦的空间，比一开始追求“一步到位”要重要得多。

2. 数据集处理：从公开数据到YOLO格式

2.1 数据来源与初始形态

肺炎检测项目常用的公开数据集，一般是包含胸部X光图像和对应标注文件的集合。找到的数据集需要做几件事：确认是后前位胸片，排除侧位片和CT断层图；检查标注对象的类型，是框出实变/磨玻璃影区域，还是标注其他异常；验证图像与标注是否正确对应。

我拿到手的数据主要分为两类：一部分是带病灶标注的肺炎阳性胸片，另一部分是正常胸片。目标检测只需要对病灶区域进行框选标注，所以正常胸片在这个任务里可以作为负样本用于增强模型判别力。

数据集数量并不算特别大，几百张总图，病灶区域可能上千个实例。这个规模用来训练目标检测模型不算富裕，所以后续的数据增强和训练技巧就得跟上。

2.2 标注格式转换的关键代码

原数据集标注多为Pascal VOC的XML格式，或者是COCO的JSON格式。YOLOv8训练需要的是每个图片对应一个同名txt文件，每行代表一个目标框，格式为：

code复制 class_id x_center y_center width height

注意，这四个坐标都是归一化到[0,1]之间的相对值，不是像素绝对值。我当时在转换时就差点踩坑，宽度和高度写成像素值，导致训练一直无法收敛。

VOC格式转YOLO格式的核心逻辑如下：

python复制import os
import xml.etree.ElementTree as ET
from PIL import Image

def voc_to_yolo(xml_path, img_width, img_height, out_txt_path, class_map):
    tree = ET.parse(xml_path)
    root = tree.getroot()
    lines = []
    for obj in root.iter('object'):
        cls_name = obj.find('name').text
        if cls_name not in class_map:
            continue
        cls_id = class_map[cls_name]
        box = obj.find('bndbox')
        x_min = float(box.find('xmin').text)
        y_min = float(box.find('ymin').text)
        x_max = float(box.find('xmax').text)
        y_max = float(box.find('ymax').text)

        x_center = (x_min + x_max) / 2.0 / img_width
        y_center = (y_min + y_max) / 2.0 / img_height
        w = (x_max - x_min) / img_width
        h = (y_max - y_min) / img_height

        lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}")

    with open(out_txt_path, 'w') as f:
        f.write('\n'.join(lines))

如果原数据是COCO格式，需要从annotations的annotations列表里根据image_id索引到对应图片，再做一次坐标换算。这里提醒一句，COCO的bbox格式本身是[x, y, width, height]像素值，转YOLO时要先加x再除图宽，公式别搞反。

2.3 数据集划分与清洗

数据划分我用的方式是先打乱，再按8:1:1分成训练集、验证集、测试集。重点是划分时要保证同一个病人的多张影像不要同时出现在训练集和验证集中，否则会存在数据泄漏，测试指标虚高。

清洗方面，我把分辨率过低的模糊图片全部删掉，这类图即使模型强行学出特征，在实际临床场景中也几乎没有意义。另外还检查了一件事：标注框是否明显超出图像边界、宽高是否异常。YOLO训练时如果遇到宽高为0的标注，训练过程会直接报错，或者该batch的loss变成NaN。

2.4 数据增强策略

YOLOv8训练时默认开启马赛克增强、随机翻转、色彩调整等策略。但对于医学影像，我做了个调整：关闭上下翻转，只保留左右翻转。原因是胸片的生理结构有严格的方向性，心脏位置必须在左侧，上下翻转会把影像变成反生理结构，模型容易学到错误的位置特征。

如果训练集很小，我还会用albumentations库额外加一些离线增强，比如随机亮度对比度、轻微的高斯模糊、弹性形变。不过弹性形变用在医学影像上要克制一些，幅度太大容易让肺部纹理失真，反而降低模型对真实病灶的识别能力。

3. YOLOv8模型训练过程实录

3.1 环境配置与依赖安装

训练环境的搭建其实不复杂，核心依赖是ultralytics包。我的环境是Python 3.9 + PyTorch 2.0 + CUDA 11.8，安装命令如下：

bash复制pip install ultralytics
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

安装完成后可以用一行命令验证环境是否正常：yolo detect predict model=yolov8n.pt source=bus.jpg，如果能正常输出检测结果，说明环境没问题。

3.2 数据集YAML配置

YOLOv8通过YAML文件描述数据集路径和类别：图片路径用绝对路径还是相对路径，取决于你后续是否迁移目录。如果项目要拷贝到别的电脑上运行，用相对路径更稳妥，YAML里写上相对于配置文件的路径。

我的data.yaml内容如下：

yaml复制path: ./datasets/pneumonia
train: images/train
val: images/val
test: images/test

names:
  0: opacity

path定义数据集根目录，train和val是相对path的图片目录。类别只有一类，目标的语义是“肺部异常阴影/实变区域”。如果你的数据集里想区分实变和磨玻璃影两种病灶，names里改成0和1两个类别即可，但前提是原始标注里确实区分了这两种语义。

3.3 模型选择与超参数设置

YOLOv8系列有n/s/m/l/x五个尺寸，从n到x模型深度和宽度递增，精度和计算量同步上升。我用的基础模型是yolov8s，兼顾精度和推理速度。相关参数选择如下：

需要注意，batch大小受显存限制。我当时用6GB显存的显卡，imgsz=640、batch=16刚好能塞下，如果报CUDA out of memory，优先把batch降到8，而不是调小图片尺寸，因为医学影像的病灶往往很小，图像分辨率直接决定小目标的检出能力。

3.4 训练启动与日志解读

配置完成后，一条命令启动训练：

bash复制yolo detect train data=data.yaml model=yolov8s.pt epochs=100 imgsz=640 batch=16 device=0

训练过程中会实时打印每个epoch的box_loss、cls_loss、dfl_loss以及precision、recall、mAP50等指标。几个判断训练状态的经验：

• box_loss应该稳步下降，如果训练初期就剧烈震荡，优先检查数据集标注质量。
• mAP50在训练到30轮附近会有明显跳升，这是正常现象，不要急着提前停止。
• 如果验证集loss持续上升但训练集loss还在降，说明过拟合了，可以加大增强强度或加正则项。

训练结束后会在runs/detect/目录下生成exp文件夹，weights/子目录里同时有best.pt和last.pt。best.pt是根据验证集mAP选出的最优权重，推理时优先加载它。

3.5 推理测试与阈值调优

训练完立即做一次推理验证：

bash复制yolo detect predict model=runs/detect/exp/weights/best.pt source=test.jpg conf=0.25

默认的conf阈值是0.25，对医学检测场景来说偏高了。因为临床更怕漏检，可以做一次不同阈值的对比实验，分别用0.1、0.15、0.25跑同一批测试图，看漏检率和误检率变化。我最终在推理代码里设置的置信度阈值是0.2，并配合NMS IoU阈值0.5使用。

4. 评估指标与临床适配调优

4.1 检测指标怎么看

YOLOv8训练日志里那一串指标，很多人只知道mAP，但在这里我要重点解释几个容易被忽视的点。

precision是预测为正类的框中真正正确的比例。recall是所有真实目标中被正确召回的框的比例。mAP50是IoU阈值取0.5时的平均精度，mAP50-95则是对0.5到0.95区间不同IoU阈值下的平均值取平均，后者更严格。

医学筛查场景中，recall的价值远高于precision。漏掉一个真实的病灶，比多标一个可疑区域危险得多。所以调优的核心方向是在保持可接受误检率的前提下，尽可能提高召回率。

4.2 基于PR曲线的阈值决策

训练完成后，ultralytics会在评估阶段生成PR曲线图，横轴是recall，纵轴是precision。曲线越靠近右上角说明模型越好。但我更关注的是曲线右下段：当recall达到0.9时，precision还有多少。

我拿到的模型在recall高于0.9时，precision掉得比较厉害。这说明模型为了逮住所有病灶，宁可多框出许多假阳性区。临床演示时如果满屏都是框，可信度反而会下降。所以我最后选择了recall约0.85、precision约0.7的工作点，确定对应的置信度阈值作为系统的默认参数。

4.3 小目标漏检的处理技巧

胸片里的早期病灶，可能只有几十个像素大小。YOLOv8在640分辨率下对这类小目标并不算友好。我踩过两个坑后总结了三条有效经验：

• 尝试把imgsz提升到768或896，小目标特征更充分。
• 使用SAHI切片辅助推理，把大图切成若干小块分别检测，再合并结果。这个技巧对超大尺寸胸片特别有效，但推理时间会翻倍。
• 检查标注框是否过小，如果最小目标框只有几个像素，模型几乎学不到特征，需要评估是否值得保留。

我个人最推荐先试imgsz=768和放低conf阈值，这两步操作成本最低，对漏检率改善明显。

4.4 模型导出与部署格式

演示系统通常要跑在不同机器上，所以我把PyTorch权重转成了ONNX格式，方便脱离训练环境部署：

bash复制yolo export model=best.pt format=onnx imgsz=640 opset=12

导出前必须确认onnx和onnxruntime这两个包已经安装。导出后可以用onnxruntime跑一次推理做验证，确保输出与PyTorch结果基本一致。如果对推理速度有更高要求，转成TensorRT格式也可以，但TensorRT依赖显卡型号，机器换来换去时反而麻烦，ONNX在通用性和速度之间已经平衡得很好。

5. UI界面开发与系统集成

5.1 界面技术选型

界面层我对比过几条路线：Gradio和Streamlit开发速度快，适合快速原型Demo，但依赖浏览器环境，医学影像场景下局域网部署不太方便。Tkinter是Python内置库，轻量但样式简陋，做文件选择按钮、画布交互体验一般。PyQt5的开发和打包成本虽然高一些，但界面可控性强，能做出比较专业的桌面应用观感。

考虑到最终交付物是一个可独立运行的医疗演示系统，我选了PyQt5。

5.2 界面布局与核心功能

界面布局我设计成左右结构：左侧是图片显示区，右侧是功能操作区和结果信息区。

功能操作区包含：

• 打开图片按钮：从本机选择jpg/png格式的胸片。
• 开始检测按钮：调用推理接口。
• 阈值滑块：调整置信度阈值，滑动后实时重新检测。
• 统计标签：显示检测到疑似病灶的总数、平均置信度。
• 保存结果按钮：将检测后的图像保存到本地。

图片显示区用QLabel承载QPixmap，绘制检测框和标签的逻辑在PIL中进行：模型输出的坐标是归一化的，绘制前要换算成原图分辨率下的像素坐标。另外，为了避免界面组件拉伸导致胸片尺寸变形，绘制时我按比例缩放图像，并在下方显示原始分辨率信息。

5.3 多线程推理避免界面卡死

推理是一个耗时相对较长的过程，如果直接在按钮的槽函数里执行模型推理，界面会假死，鼠标移动都没反应。这种情况必须把推理放到子线程。

我用的方案是QThread + 信号槽机制：

python复制class InferenceThread(QThread):
    finished = pyqtSignal(dict, str)
    error = pyqtSignal(str)

    def __init__(self, img_path, conf_threshold):
        super().__init__()
        self.img_path = img_path
        self.conf_threshold = conf_threshold

    def run(self):
        try:
            result = detector.predict(self.img_path, self.conf_threshold)
            self.finished.emit(result, self.img_path)
        except Exception as e:
            self.error.emit(str(e))

在run方法里调用模型推理接口，当推理完成时通过finished信号把结果传回主线程，在主线程里更新界面。这种写法保证UI线程不会被阻塞，用户点击检测后还能拖动窗口、调整参数，体验和商业软件基本一致。

5.4 推理引擎封装

为了让界面代码保持整洁，我把模型加载和推理逻辑封装成一个独立的Detector类：

python复制import cv2
import numpy as np
import onnxruntime as ort

class Detector:
    def __init__(self, onnx_path, imgsz=640):
        self.session = ort.InferenceSession(onnx_path)
        self.imgsz = imgsz

    def predict(self, img_path, conf_threshold=0.2):
        img = cv2.imread(img_path)
        orig_h, orig_w = img.shape[:2]
        input_tensor, scale = self.preprocess(img)
        outputs = self.session.run(None, {'images': input_tensor})[0]
        boxes = self.postprocess(outputs, conf_threshold)
        # 坐标换算到原图
        boxes = boxes / scale
        return boxes

这个类里面有几个容易出错的地方：图像预处理要模拟训练时的letterbox逻辑，原图缩放后不足的部分用灰色填充，而不是简单拉伸，否则检测框坐标会错位；ONNX模型输出格式是[1, 84, 8400]，前四列是坐标（xywh），第五列是置信度，后面是每个类别的分类得分，解析时各维度别搞混。

5.5 打包成可执行文件

开发完成后打包分发是最后一个环节。我用PyInstaller打包：

bash复制pyinstaller -F -w main.py \
  --add-data "models/pneumonia.onnx;models" \
  --add-data "icons/;icons"

-F参数打包成单个exe文件，-w参数表示不显示控制台窗口。有两个非常容易踩的坑：一是ONNX模型文件和图标资源文件路径要用相对路径，并在代码里动态解析资源目录，否则打包后的exe在其他电脑上会找不到模型文件；二是PyInstaller打包的exe在打开时会有一个解压过程，在部分安全软件下会被误报，打包前关闭杀毒软件，打包后可以加个UPX压缩来减小体积。

6. 常见问题与排查技巧实录

6.1 训练常见问题速查

整个项目做下来，我把遇到的高频问题和排查方法整理成了一张表：

第五个问题很典型，我在项目里就发现部分标注只框了病灶中心区域，另一些标注把周围大片炎症区域都包含进来，这会导致模型学习目标不一致。给标注做一次统一规范，比加再多训练轮数都有用。

6.2 运行时常见问题与解法

界面运行阶段，遇到最多的问题是：

• 打开图片后无检测框：先测conf阈值是否过低导致被过滤，再用同一张图在命令行跑一次yolo predict对比结果，能快速确认是模型问题还是UI调用问题。
• ONNX推理报错Shape mismatch：检查导出时的imgsz是否和推理代码里的imgsz一致，很多时候是导出用640、推理用768导致输出维度全对不上。
• UI中文乱码：Windows环境下PyQt5默认字体可能导致标签文字显示成方块，在初始化时显式设置中文字体，比如QFont("Microsoft YaHei", 10)，问题立刻消除。
• CPU推理速度过慢：换更小的模型（yolov8n）或者降低输入分辨率，医学影像如果病灶较大，n模型也能产生可接受的定位效果。

6.3 医学影像项目的特殊经验

最后分享几个医学影像场景独有的判断经验，这些都是普通目标检测项目里不容易体会到的。

医学数据集通常很小，几百到几千张的量级和工业场景几十万张完全不是一个体量。所以训练时我建议打开ultralytics自带的类别平衡采样（cls参数调大一点），并严格控制验证集和训练集的病人不重叠。另外，医学影像的负样本同样重要，正常胸片能让模型学会“没有病灶时不要乱框”，我在数据里保留了20%的正常胸片作为负样本参与训练，有效降低了误检率。

还有一个关键体验：和临床医生沟通时，不要只展示mAP50指标，他们不关心技术指标，在意的是这张图里框出来的区域是不是真的有问题。我后面每次演示都准备两三张典型的阳性胸片和一张正常胸片，让医生直观感受系统的输出，这样项目推进起来困难会小很多。

6.4 系统扩展方向

整套系统的架构决定了后续扩展很顺畅。如果想进一步做病灶良恶性判别或区域定量分析，可以把YOLOv8检测的裁剪区域输出，再接一个分类网络。想实现多模态关联分析，也可以把病灶框结果和病历文本信息结合。我个人最建议尝试的方向，是把检测模型替换为分割模型，输出病灶的精确面积占比，这对临床康复评估有更直接的参考价值。基于当前这套数据管道和界面框架，这种替换需要改的只是推理层而已，这也是我在架构上把各层解耦得到的最实际的好处。