简介：面向医学图像分割学习者与皮肤病变识别研究者的 ISIC2018 实战包，围绕黑色素瘤病灶分割任务，提供 U-Net 与 Mask R-CNN 两套可运行方案，适合具备一定深度学习基础、希望复现论文思路或完成课程项目的读者。压缩包共 14 个文件，约 45.65MB，以 Jupyter Notebook 承载训练与推理流程，辅以 Python 脚本、PNG 结果图、Markdown 说明、HDF5 模型权重等，目录简洁，便于按模型路径逐一对照。已有 3476 人学习，说明其作为入门到进阶案例具备较高参考价值。读者可从中获取完整的数据处理、模型搭建、训练评估与可视化思路，并参考 U-Net 的损失 0.147、精度 0.946、Jaccard 距离 0.723、灵敏度 0.878、特异性 0.97 等指标，理解分割任务的评价方式；Mask R-CNN 部分则可拓展实例分割视角，适合用作实验复现、结果对比与排错参考。

1. 边界只差几个灰度：皮肤病变分割要解决的到底是什么

皮肤镜图像里，病灶与周围正常皮肤的过渡带往往只差几个灰度级，标注医生要放大三倍、来回比对色阶才敢落笔，这也决定了黑色素瘤分割不是“画个圈”的活。这套基于 ISIC2018 数据集的 CNN 皮肤病变分割方案，目标是把 2594 张训练图像里专家标注掩膜的那套判断口径，压缩成一个能在秒级给出概率图的模型：输入一张原始皮肤镜图，输出与原图同尺寸的二值掩膜，边界误差落在可复核的区间内。整套流程跑在 Jupyter Notebook 里，从数据清点、增强、训练到推理评估按单元格分段推进，每一段都能单独回看中间结果，适合要交毕设或课设、需要一套能跑通并讲清楚的学生，也适合手上有数据、想先拿到一个可复现基线再往上叠模块的从业者。

2. 数据管线设计：2594 张皮肤镜图怎么喂进网络

分割任务里模型能学到什么，八成在数据管线阶段就定死了。后面网络再花哨，如果掩膜在缩放时被插值成灰阶、图像和掩膜的几何变换不同步、或者是把整张图的均值方差算进去做归一化，验证集 Dice 掉十几个点是常事。这一章把数据从目录到张量的每一步拆开讲，Notebook 里对应的是三个单元格：清点、可视化抽检、构建 Dataset。

2.1 目录形态与标注口径

ISIC2018 的任务一给的是两套平行目录：图像侧是彩色皮肤镜照片，掩膜侧是同名加_segmentation后缀的二值 PNG，前景 255、背景 0。官方划分通常是 2594 张训练图、100 张验证图、1000 张测试图，测试集标注在比赛期间不公开，所以本地做方案验证时，多数人的做法是从 2594 张训练图里再切一份自己的验证与测试，官方那 100 张验证只用来做最后的横向对齐。

抽检这一步别省。我一般会在 Notebook 里随机抽 12 组“原图 + 掩膜叠加”，人眼过一遍，重点看三件事：掩膜是不是纯二值、有没有整张全黑的空标注、病灶是不是被掩膜完整包住。空掩膜样本在 ISIC 里是存在的，直接算进 Dice 会把指标拉低，训练时也会给模型一个“这里什么都别输出”的错误信号。清点阶段顺手统计每张掩膜的前景占比，输出一个直方图，后面判断不均衡程度、决定要不要加权采样全靠它。

2.2 预处理：尺寸归一、颜色恒常性与掩膜对齐

原始皮肤镜图分辨率并不统一，长边常见在七八百到一千像素之间。基线的做法是统一 resize 到 256×256。这里有个取舍：256 训练快、显存友好，但直径不到 30 像素的小病灶会被缩成一小撮像素，边界信息基本丢失。如果数据里小病灶占比不低，改用 384×384 或者“训练 256、推理 384”的组合更稳，代价是训练时间大约翻倍。

缩放时图像用双线性、掩膜必须用最近邻。双线性插值会在边界生成 0 到 255 之间的中间灰度，如果你按mask/255直接当软标签用，等于给边界像素发了“半个正样本”的标签，Dice 会虚高、边界反而更糊。掩膜统一按>127二值化，是更稳妥的做法。

颜色方面，皮肤镜的拍摄光源、白平衡差异很大，同一类病灶在不同设备下色相能差出一大截。常用的补救是灰度世界假设的颜色恒常性校正，或者简单的每通道百分位拉伸。这一步不是必须的，但如果你发现模型在验证集上对某几张偏黄或偏蓝的图特别差，先别怀疑网络，回头做一次颜色归一往往就顺了。

import os import cv2 import numpy as np import torch from torch.utils.data import Dataset # ImageNet 统计量，用于迁移学习主干的输入归一化 MEAN = np.array([0.485, 0.456, 0.406], dtype=np.float32) STD = np.array([0.229, 0.224, 0.225], dtype=np.float32) class ISICDataset(Dataset): """ISIC2018 病变分割数据集：图像与掩膜同名，掩膜后缀 _segmentation.png""" def __init__(self, img_dir, mask_dir, names, size=256, augment=None): self.img_dir = img_dir self.mask_dir = mask_dir self.names = names self.size = size self.augment = augment def __len__(self): return len(self.names) def __getitem__(self, idx): name = self.names[idx] img = cv2.imread(os.path.join(self.img_dir, name + ".jpg")) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) mask = cv2.imread( os.path.join(self.mask_dir, name + "_segmentation.png"), cv2.IMREAD_GRAYSCALE, ) # 图像双线性、掩膜最近邻：两者插值方式必须分开指定 img = cv2.resize(img, (self.size, self.size), interpolation=cv2.INTER_LINEAR) mask = cv2.resize(mask, (self.size, self.size), interpolation=cv2.INTER_NEAREST) # 几何增强必须同时作用于图像和掩膜，这里由外部传入的 augment 保证 if self.augment is not None: img, mask = self.augment(img, mask) img = img.astype(np.float32) / 255.0 img = (img - MEAN) / STD img = torch.from_numpy(img.transpose(2, 0, 1)) # 阈值 127 二值化，避免插值残留的灰阶被当成软标签 mask = torch.from_numpy((mask > 127).astype(np.float32)).unsqueeze(0) return img, mask

这段 Dataset 里有三个参数值得按自己数据改：size决定分辨率与显存的平衡点；augment传入的是一个同时接收图像和掩膜的增强函数，图像做翻转旋转、掩膜跟着做同样的几何变换，绝不能只对图像做；MEAN/STD用的是 ImageNet 统计量，前提是主干用了 ImageNet 预训练权重，如果主干从零训练，改成训练集自身统计的均值方差更合理。

2.3 划分、增强与不均衡处理

划分要固定随机种子，并且按图像名而不是按索引切，这样 Notebook 重跑、文件顺序变了也不会串。常见比例是 8:1:1，2594 张切出约 2075 张训练、260 张验证、259 张测试。测试集在方案定稿前不要碰，这一点后面讲验收时还会再说一次。

增强的强度要克制。水平翻转、垂直翻转、±15 度旋转、轻微亮度和对比度扰动，这四类是临床上说得通的，因为皮肤镜拍摄角度本来就自由。不建议用大幅度的弹性形变和随机裁剪，病灶的形状是有诊断意义的，把它揉变形等于在教模型忽略形状特征。

不均衡主要体现在面积上：病灶前景通常只占全图的两三成，小病灶样本甚至不足百分之一。两种处理方式，简单的是在损失函数里用 Dice 类重叠度指标抵消面积差异，复杂一点的是按前景占比做加权采样。基线上我更倾向先动损失函数，采样权重留到 Dice 卡在平台期再加，否则两个变量一起调，出了问题都不知道是谁的锅。

3. 分割网络设计：U-Net 主干、跳跃连接与损失配比

皮肤病变分割本质上是像素级二分类，输入输出同尺寸，结构上没有太多悬念，U-Net 及其变体是这类任务的默认答案。但默认答案不等于抄完就能出分，通道数怎么配、跳跃连接要不要加门控、损失里 Dice 和 BCE 各占多少，这几个决定直接反映在验证曲线是平滑收敛还是一路抖。

3.1 编码器-解码器结构与通道配置

基线配置是四层下采样、四层上采样，通道数从 32 起、每层翻倍到 256，再对称回到 32，最后 1×1 卷积出单通道 logits。这个规模在 256×256 输入、8 到 16 的 batch 下，单张消费级显卡就能跑，训练一轮几十秒，方便反复试。

跳跃连接是 U-Net 的命门。编码器浅层带着边界和纹理，深层带着“这是不是病灶”的语义，直接把浅层特征拼给解码器，边界会锐利很多。但当输入里的病灶和背景对比度很低时，浅层特征里噪声也一起被拼了过去。这种情况下加一个注意力门控，用深层特征去给浅层特征算权重图，把响应弱的区域压下去，边界附近会干净一些。门控不是必选项，先跑无门控基线，看验证集上的边界误差再决定加不加，比一上来就堆模块稳妥。

上采样方式也有讲究。转置卷积容易出现棋盘格伪影，在掩膜上表现为规则的网格状毛刺；双线性上采样加一个 3×3 卷积更平，我一般默认用后者。

import torch import torch.nn as nn class ConvBlock(nn.Module): """两次 3x3 卷积 + BN + ReLU，U-Net 的基本单元""" def __init__(self, in_ch, out_ch): super().__init__() self.block = nn.Sequential( nn.Conv2d(in_ch, out_ch, 3, padding=1, bias=False), nn.BatchNorm2d(out_ch), nn.ReLU(inplace=True), nn.Conv2d(out_ch, out_ch, 3, padding=1, bias=False), nn.BatchNorm2d(out_ch), nn.ReLU(inplace=True), ) def forward(self, x): return self.block(x) class UNet(nn.Module): def __init__(self, in_ch=3, out_ch=1, base=32): super().__init__() chs = [base, base * 2, base * 4, base * 8] self.enc1 = ConvBlock(in_ch, chs[0]) self.enc2 = ConvBlock(chs[0], chs[1]) self.enc3 = ConvBlock(chs[1], chs[2]) self.enc4 = ConvBlock(chs[2], chs[3]) self.pool = nn.MaxPool2d(2) # 双线性上采样替代转置卷积，规避棋盘格伪影 self.up3 = nn.Sequential(nn.Upsample(scale_factor=2, mode="bilinear", align_corners=False), nn.Conv2d(chs[3], chs[2], 3, padding=1), nn.ReLU(inplace=True)) self.dec3 = ConvBlock(chs[2] * 2, chs[2]) self.up2 = nn.Sequential(nn.Upsample(scale_factor=2, mode="bilinear", align_corners=False), nn.Conv2d(chs[2], chs[1], 3, padding=1), nn.ReLU(inplace=True)) self.dec2 = ConvBlock(chs[1] * 2, chs[1]) self.up1 = nn.Sequential(nn.Upsample(scale_factor=2, mode="bilinear", align_corners=False), nn.Conv2d(chs[1], chs[0], 3, padding=1), nn.ReLU(inplace=True)) self.dec1 = ConvBlock(chs[0] * 2, chs[0]) self.head = nn.Conv2d(chs[0], out_ch, 1) def forward(self, x): e1 = self.enc1(x) e2 = self.enc2(self.pool(e1)) e3 = self.enc3(self.pool(e2)) e4 = self.enc4(self.pool(e3)) d3 = self.dec3(torch.cat([self.up3(e4), e3], dim=1)) d2 = self.dec2(torch.cat([self.up2(d3), e2], dim=1)) d1 = self.dec1(torch.cat([self.up1(d2), e1], dim=1)) return self.head(d1) # 输出 logits，不在此处做 sigmoid

base=32是通道数的起点，显存富裕就调到 48 或 64，但要注意通道翻倍带来的显存增长是按平方量级感受的。head输出的是 logits 而不是概率，这个约定很重要：后面的损失函数用binary_cross_entropy_with_logits，数值上比先 sigmoid 再取对数稳定得多，推理阶段再统一加 sigmoid。

3.2 损失函数：Dice 与 BCE 的权重配比

单独用 BCE 的问题是前景像素只占少数，模型把所有像素判成背景就能拿到很低的 loss，收敛后掩膜是一片全黑。单独用 Dice 的问题是小病灶样本梯度剧烈，训练后期容易在边界上来回震荡。工程上的默认解是两者加权：Dice 负责把重叠度拉上去，BCE 负责给每个像素稳定的梯度。

权重一般取 Dice 0.5、BCE 0.5，如果发现验证集上模型倾向于“少标”，也就是敏感度明显低于特异度，把 Dice 权重提到 0.6 到 0.7；反过来如果边界外溢严重、特异度掉，就往 BCE 偏一点。平滑项smooth的作用是防止前景为空时除零，取 1.0 在 batch 内求和的口径下够用；如果你的实现是按单张图算 Dice 再平均，这个值要相应调小。

import torch.nn.functional as F class DiceBCELoss(nn.Module): def __init__(self, dice_weight=0.5, smooth=1.0): super().__init__() self.dice_weight = dice_weight self.smooth = smooth def forward(self, logits, target): # BCE 部分走 logits 版本，避免 sigmoid 后再取对数造成的数值下溢 bce = F.binary_cross_entropy_with_logits(logits, target) prob = torch.sigmoid(logits) dims = (2, 3) inter = (prob * target).sum(dim=dims) union = prob.sum(dim=dims) + target.sum(dim=dims) dice = (2 * inter + self.smooth) / (union + self.smooth) dice_loss = 1 - dice.mean() return self.dice_weight * dice_loss + (1 - self.dice_weight) * bce

这里的dims=(2, 3)表示在空间维度上求和、保留 batch 维，得到每张图一个 Dice 值再取平均，而不是把整个 batch 的前景混在一起算。两种口径在病灶大小差异大的数据集上结果差得不小，按图平均对每张图一视同仁，对小病灶更友好，代价是梯度方差大一些。

3.3 训练循环、优化器与学习率调度

优化器用 Adam，学习率 1e-4，权重衰减 1e-5。批大小在 256×256 输入下取 8 到 16，看显存。学习率调度用余弦退火或者ReduceLROnPlateau，后者更适合不确定训练轮数的情况：验证 Dice 连续 5 轮不涨就把学习率乘 0.5。

梯度裁剪这一步别省。Dice 损失在极端样本上会给出很大的梯度，一个坏 batch 就能把前面几轮训出来的权重冲掉，表现为 loss 曲线突然翘起来再也回不去。clip_grad_norm_的阈值取 5.0 左右是个稳妥的起点。

import torch import torch.nn.utils as tnu device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model = UNet(base=32).to(device) criterion = DiceBCELoss(dice_weight=0.5).to(device) optimizer = torch.optim.Adam(model.parameters(), lr=1e-4, weight_decay=1e-5) scheduler = torch.optim.lr_scheduler.ReduceLROnPlateau(optimizer, mode="max", factor=0.5, patience=5) best_dice, best_epoch = 0.0, -1 for epoch in range(60): model.train() for img, mask in train_loader: img, mask = img.to(device), mask.to(device, dtype=torch.float32) optimizer.zero_grad(set_to_none=True) logits = model(img) loss = criterion(logits, mask) loss.backward() # 裁剪梯度范数，防止个别极端样本把已收敛的权重冲散 tnu.clip_grad_norm_(model.parameters(), max_norm=5.0) optimizer.step() val_dice = evaluate(model, val_loader, device) # 在验证集上算前景 Dice scheduler.step(val_dice) # 只保留验证集最优权重，测试集在此之前不参与任何决策 if val_dice > best_dice: best_dice, best_epoch = val_dice, epoch torch.save(model.state_dict(), "best_unet.pth")

这段循环里scheduler.step(val_dice)传的是指标不是 loss，因为ReduceLROnPlateau在mode="max"下要监控越大越好的量。保存权重的判据用验证集 Dice 而不是训练 loss，是分割任务里最基本的一条纪律。best_epoch记下来，后面分析收敛位置、判断训练轮数够不够都用得上。

4. 推理与后处理：从概率图到能交付的掩膜

模型吐出来的是一张 0 到 1 的概率图，直接按 0.5 二值化也能看，但离“能交付”还差几步。阈值定在哪、边界外的孤立小块要不要清、多尺度推理怎么融合，这几件事对最终 Dice 的影响往往比换一个主干还大，而且几乎不花钱。

4.1 滑窗推理与测试时增强

如果训练用 256、原始图分辨率更高，直接把整图缩到 256 推理会丢细节。更稳的做法是滑窗：按 256×256 的窗口、步长 128 在原始分辨率上切块，逐块推理后拼回原尺寸，重叠区域取平均。步长取窗口的一半，重叠区足够平滑边界接缝，计算量也在可接受范围。

测试时增强则是把同一张图做几次几何变换各推一遍，再把结果逆变换回来取平均。翻转和 90 度旋转是保持图像内容的变换，不改变病灶形态，适合拿来做 TTA。四路 TTA 通常能换来 0.5 到 1.5 个 Dice 点的提升，代价是推理时间翻四倍，答辩演示时够用，如果要做实时部署就只留水平翻转这一路。

@torch.no_grad() def predict_tta(model, img, use_rot=True): """img: (1,3,H,W) 已归一化张量，返回同尺寸概率图""" model.eval() outs = [] ks = [0, 1, 2, 3] if use_rot else [0] for k in ks: x = torch.rot90(img, k, dims=(2, 3)) p = torch.sigmoid(model(x)) p = torch.rot90(p, -k, dims=(2, 3)) # 逆变换回原方向再累加 outs.append(p) return torch.stack(outs, dim=0).mean(dim=0)

torch.rot90的逆变换是-k，这一步写错的话，TTA 不但不涨点还会把掩膜转得乱七八糟，是这类代码里最容易翻车的一行。use_rot=False时退化成单路推理，方便对比 TTA 到底带来了多少增益，答辩时这个对比数字很有说服力。

4.2 阈值搜索与连通域清理

0.5 不是圣旨。模型在边界上的概率分布往往偏保守，最优阈值常常落在 0.4 到 0.6 之间，具体值跟损失函数配比、数据对比度都有关。做法是在验证集上扫一遍阈值，取 Dice 最高的那个，然后把这个值冻结，拿去跑测试集。

清理部分主要针对两类噪声：一是远离主病灶的孤立小块，面积小于某个像素数就丢掉；二是主病灶内部的小空洞，用形态学闭运算填掉。面积阈值不要拍脑袋，先统计验证集上真实病灶的最小面积，取它的三分之一左右比较安全，定太大容易把小病灶整个删掉，反而掉点。

import cv2 import numpy as np def postprocess(prob, thresh=0.5, min_area_ratio=0.001): """prob: HxW 概率图（0~1），返回二值掩膜""" binary = (prob > thresh).astype(np.uint8) h, w = binary.shape min_area = int(h * w * min_area_ratio) # 闭运算填内部小空洞，核大小按分辨率调整 kernel = np.ones((5, 5), np.uint8) binary = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel) # 去掉远离主病灶的孤立小块 num, labels, stats, _ = cv2.connectedComponentsWithStats(binary, connectivity=8) cleaned = np.zeros_like(binary) for i in range(1, num): if stats[i, cv2.CC_STAT_AREA] >= min_area: cleaned[labels == i] = 1 return cleaned

min_area_ratio是相对整图面积的比例，取 0.001 意味着 256×256 图上约 65 个像素以下的小块会被清掉，这样写的好处是换分辨率时不用改参数。闭运算的核大小同理，分辨率翻倍的话核也要跟着放大，否则填不干净。

4.3 指标计算与结果导出

分割任务只报 Dice 是不够的，答辩现场一定会被问“边界差多少”“会不会漏标”。一套完整的指标至少包含 Dice、IoU（Jaccard）、敏感度、特异度，再加一个 Hausdorff 距离的 95 分位数（HD95）反映边界最坏情况。

敏感度和特异度在这里有临床含义：敏感度低意味着漏标病灶区域，特异度高意味着不把正常皮肤误判成病灶。黑色素瘤筛查场景下，漏标的代价远大于误判，所以敏感度通常要求不低于 0.85，这一条比总 Dice 更能说明方案的倾向性。

import numpy as np def compute_metrics(pred, gt, eps=1e-7): """pred/gt: 二值数组，形状一致""" pred, gt = pred.astype(bool), gt.astype(bool) tp = np.logical_and(pred, gt).sum() fp = np.logical_and(pred, ~gt).sum() fn = np.logical_and(~pred, gt).sum() tn = np.logical_and(~pred, ~gt).sum() dice = (2 * tp + eps) / (2 * tp + fp + fn + eps) iou = (tp + eps) / (tp + fp + fn + eps) sen = (tp + eps) / (tp + fn + eps) # 召回，漏标越少越高 spe = (tn + eps) / (tn + fp + eps) # 正常皮肤不被误判的比例 return dict(dice=dice, iou=iou, sensitivity=sen, specificity=spe)

导出的结果建议按图像名逐行写 CSV，包含每张图的四个指标和阈值，方便后面按病灶面积分桶看表现。实践里经常出现整体 Dice 0.88、但小病灶那一桶只有 0.7 的情况，这张表就是定位问题的入口，也是答辩 PPT 里最有信息量的一页。

5. 常见问题与排查：训练不收敛、Dice 虚高、掩膜断裂

这套流程跑通不难，跑出可信的数字难。下面五条是我在这个任务上反复见过、也自己踩过的坑，按“现象 → 原因 → 解决”写，碰上了直接对号入座。

5.1 训练阶段的三类翻车

第一条，验证掩膜全黑，Dice 卡在 0.0 不动。现象是训练 loss 缓慢下降，但验证集输出的概率图整张都低于 0.1。原因多半是学习率太高加上前景占比低，模型在前几百步就落进了“全判背景”的局部极小。解决方式是把初始学习率降到 1e-4 以下，同时确认损失里 Dice 那一项确实生效了——有个很隐蔽的写法错误是 Dice 计算时忘了sigmoid，拿 logits 直接当概率算，值域跑到负数，那一项等于不存在。

第二条，loss 曲线突然翘起后再也回不来。现象是训练到二三十轮时 loss 从 0.3 跳到 0.9，之后一直高位震荡。原因通常是某个 batch 里混进了标注异常样本（比如掩膜覆盖了整张图），Dice 损失在这种样本上的梯度极大，一步就把权重冲散了。解决办法除了前面提的梯度裁剪，还要在数据清点阶段把前景占比超过 90% 的样本挑出来单独看，确认是标注错误就剔除，是真实的大面积病灶就单独放一个桶里评估。

第三条，训练集 Dice 0.95、验证集 0.75，差距十几点。这是过拟合的典型信号，但在分割任务里先别急着加正则。最先要排查的是数据泄漏：训练集和验证集里是不是有同一患者的多次拍摄、或者同一病灶的不同裁剪版本。ISIC 的图像名里带有采集编号信息，按编号去重比按文件名随机切要可靠得多。确认没泄漏之后，再上强度更高的增强和早停。

5.2 推理与评估阶段的三类翻车

第四条，加上 TTA 之后 Dice 反而掉了。现象是单路推理 0.86，四路 TTA 掉到 0.83。原因基本都在逆变换上：旋转和翻转的逆操作没写对，几路结果方向不一致，平均之后边界糊成一片。验证方法很简单，把单路推理和 TTA 的掩膜并排画出来，如果 TTA 的结果看起来像被“拧”过，就是逆变换的问题。另外注意不要在有方向的裁剪上做旋转 TTA，滑窗切块之后旋转会让块内内容跑到窗口外。

第五条，验证集搜出来的最优阈值拿到测试集上失效。现象是验证集上 0.42 能到 0.89，测试集上用 0.42 只有 0.85，用 0.5 反而 0.87。原因通常只有两个：一是阈值是在同一份验证集上反复搜出来的，等于对验证集过拟合，样本量只有两百多张时这种现象很明显；二是验证集和测试集的病灶面积分布不一致。稳妥的做法是划三份——训练、阈值搜索、最终测试，阈值只在中间那份上定，定完冻结。另外阈值搜索的粒度取 0.01 就够，再细就是在拟合噪声。

注意：任何在测试集上做过的决策（包括选阈值、挑权重、决定要不要加后处理）都会让最终数字失真，答辩时被问到“测试集用了多少次”要能答得出来。

6. 验收与答辩：把 Dice 讲成一个可信的数字

答辩现场最怕的不是指标低，是指标高得没人信。0.95 的 Dice 报出去，评委第一反应是“你是不是在测试集上调过”。要让数字站得住，靠的是把整条链路的约束条件讲清楚，而不是把小数点后两位抹平。

我一般会准备一张验收表，每一项都有明确的合格线和检查方式，讲的时候按表走，不跳步：

这张表真正的作用是逼你在交付前把该跑的检查跑一遍。小病灶分桶那一行尤其关键，整体 Dice 0.88 但小病灶只有 0.7 的方案，临床上是不敢用的，主动把它摆出来讲，比藏着掖着被问出来强得多。

答辩的讲述顺序建议按“问题—约束—取舍—证据”四段走。先用一句话说清任务：从皮肤镜图里把病灶区域和边界一起标出来。再说约束：官方测试集标注不公开，所以本地自建三份划分，测试集只在最后跑一次。然后讲取舍，这是最能体现工程判断的部分——为什么用 256 而不是 512，为什么损失里 Dice 占一半，为什么加了连通域清理，每一条都要能说出代价，比如 256 换来的是训练速度，代价是小病灶边界精度；TTA 换来一点几个 Dice，代价是推理时间翻四倍。最后给证据，就是上面那张表加上几张典型样本的叠加图，挑一张好的、一张差的、一张小病灶的，差的那张主动分析原因，比全是漂亮结果更让人信服。

如果时间允许，再补一个消融对比：基线 U-Net、加 Dice 损失、加 TTA、加后处理，四行数字列出来，每一行涨了多少一目了然。这个表做起来只要多跑几次推理，但它是整套方案里最能说明“每个模块都有用”的材料。

从那以后我每次交分割类项目，都强制自己走一遍“先固定划分种子、再定阈值、最后只跑一次测试集”的顺序，权重文件、阈值常量、评估脚本三样东西一起归档，隔一个月回头看也能复现出同一个数。希望这套流程帮到你。

本文还有配套的精品资源，点击获取