眼底图像分割系统

基于UNet++的高精度眼底图像多类别分割系统

English | 中文

✨ 功能特性

• 高精度: 验证集Dice系数 = 0.9554 (TTA: 0.9398)
• 多类别分割: 支持背景、视网膜区域、有效反光点三类分割
• 预训练模型: 开箱即用的模型权重
• 在线Demo: 浏览器端交互式演示
• 简单易用: 单文件训练脚本，附带完整日志

📊 性能指标

🏗️ 模型架构

UNet++ with EfficientNet-B4 编码器
├── 输入: 448×448×3 RGB图像
├── 编码器: EfficientNet-B4 (ImageNet预训练)
├── 解码器: UNet++ 密集跳跃连接
└── 输出: 448×448×3 分割掩码

🔧 安装

pip install ophthalmic-segmentation

或从源码安装:

git clone https://github.com/FeiFeiAlbert/ophthalmic-segmentation.git
cd ophthalmic-segmentation
pip install -e .

依赖项

torch >= 2.0
segmentation-models-pytorch
albumentations
opencv-python
pillow
matplotlib

🚀 快速开始

1. 加载预训练模型

import torch
import ophthalmic_segmentation as seg

# 加载模型
model = seg.load_model('unetpp_efficientnetb4', num_classes=3)
model.load_state_dict(torch.load('best_model.pth'))
model.eval()

# 预测
image = seg.load_image('path/to/image.jpg', size=448)
mask = model.predict(image)
seg.visualize(image, mask)

2. 训练自己的模型

from ophthalmic_segmentation import train

# 使用默认配置训练
train(
    image_dir='data/images',
    label_dir='data/labels',
    save_dir='checkpoints'
)

🌐 在线演示

直接在浏览器中体验！

在线Demo: 点击打开演示

本地运行:

cd demo
python -m http.server 8000
# 在浏览器打开 http://localhost:8000

演示功能

• 📤 上传自己的眼底图像
• 🔮 实时分割预览
• 📊 原图与分割结果对比
• 🎨 彩色分割叠加显示

📂 项目结构

ophthalmic-segmentation/
├── README.md
├── README_zh.md
├── LICENSE
├── requirements.txt
├── setup.py
├── demo/
│   ├── index.html          # 交互式演示
│   └── sample_image.jpg     # 演示用图像
├── ophthalmic_segmentation/
│   ├── __init__.py
│   ├── model.py             # 模型定义
│   ├── data.py              # 数据集类
│   ├── losses.py            # 损失函数
│   └── utils.py             # 工具函数
├── scripts/
│   ├── train.py             # 训练脚本
│   └── predict.py           # 推理脚本
├── checkpoints/
│   └── best_model.pth       # 预训练权重
├── docs/
│   ├── training_report.md   # 详细训练报告
│   └── results.md           # 评估结果
└── tests/
    └── test_model.py        # 单元测试

📖 文档

• 训练报告 - 详细的训练过程和结果
• 结果分析 - 性能指标和对比
• API参考 - API文档

🔬 分割类别说明

📜 引用

如果该项目对你的研究有帮助，请引用:

@misc{ophthalmic-segmentation,
  title={基于UNet++的眼底图像分割系统},
  author={你的名字},
  year={2026},
  howpublished={\url{https://github.com/YOUR_USERNAME/ophthalmic-segmentation}}
}

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件。

🙏 致谢

• segmentation-models-pytorch
• EfficientNet
• UNet++