疼痛检测这个方向很多做视觉的人第一反应是不就是人脸表情识别吗但真正落到医疗场景里它比想象中复杂得多。我最近在整理一套用于疼痛检测的YOLO医疗健康数据集一共2200张图像标注统一转成了YOLO格式可以直接拿去训练目标检测模型。这篇就把这套数据集从结构、标注规范、训练踩坑到评估部署完整梳理一遍给正在做医疗AI或者准备入坑YOLO检测的同学一个能直接复现的参考。我自己在把这个数据集喂给模型之前也走过不少弯路——一开始以为有图有标注就能训结果loss曲线各种诡异后来才发现是标注规范和训练策略的问题。所以这篇文章我不只聊数据本身也会把整个流程里那些文档上不会写的细节讲清楚。1. 疼痛检测为什么值得用目标检测来做1.1 疼痛信号到底能不能被视觉模型捕捉疼痛本质上是主观体验临床上最常用的评估方式是让患者自己打分比如数字评分法NRS或者面部表情疼痛量表。但问题在于有很多场景下患者根本没法自述——ICU里镇静状态的患者、术后还没清醒的人、婴幼儿、认知障碍的老年人。这个时候就需要通过外部可观察的指标来判断疼痛程度。大量医学研究表明疼痛会通过面部动作、身体姿态、手部接触部位等方式外显。面部动作单位AU里的皱眉、眯眼、鼻唇沟加深还有身体上的蜷缩、按揉痛处、躲避动作都是强信号。这些信号天然具有空间位置属性——在图像里它们对应着某个具体的区域。所以用目标检测来做疼痛识别是有依据的先定位到人脸或身体区域再判断这个区域里是否存在疼痛表现以及疼痛的级别。YOLO在这里的角色不是端到端判断疼不疼而是先解决疼在哪里的问题。检测框把视觉注意锚定在关键区域比如面部、手部、关节位置后续可以接分类网络或者直接让YOLO自己输出带类别的框。这套思路比单纯用图像分类更贴近临床实际因为疼痛表现常常是局部的一个全局分类模型容易被背景干扰。1.2 医疗场景对目标检测的三重特殊约束做通用检测比如行人、车辆时模型错了顶多就是漏检一个目标。但医疗场景完全不是这个逻辑这套数据集在设计时就考虑了三个特殊约束这也是它和普通数据集最本质的区别。第一是标注的一致性。疼痛表现是连续渐变的两个标注员看同一张图一个觉得明显疼痛另一个可能觉得只是不舒服。所以标注规范里必须定义清楚每个类别的判定标准最好有参考图例否则模型学到的边界会很模糊。这套2200张的数据集在标注时我对每个类别都做了交叉校验抽了20%的样本让两位标注员独立标注然后计算一致率只保留一致率高的图像进入最终版本。第二是类别不平衡的必然性。真实临床数据里无疼痛或轻度疼痛的样本远多于中重度疼痛样本。这会导致模型偏向多数类漏掉真正需要关注的疼痛样本。做数据准备时不能只做随机划分要有意识地控制各类别在训练集和验证集中的比例。第三是伦理与隐私。医疗图像涉及患者隐私数据集不能随便从网上爬。这套数据集里凡是可识别身份的人脸信息都做了脱敏处理部分图像来自公开学术数据集的重整理部分来自合作机构的匿名化采集。如果你自己构建医疗数据集这一步一定要提前走流程不然后续发布和商用都会出问题。2. 数据集解剖2200张图像里到底装了什么2.1 图像来源与分布逻辑这套数据集一共2200张图像涵盖了三类主要场景临床采集患者就诊或住院期间拍摄、公开学术数据集的筛选重标注、以及模拟场景的补充拍摄。为什么要有三类来源因为单一来源会让模型过拟合到该场景的光线、角度和画质上。临床采集部分占比约六成特点是环境复杂——有病房的暖光、走廊的冷光、设备的阴影这些反而是好事能让模型学会在真实环境里工作。公开学术数据集筛选重标注的部分因为原始数据不是YOLO格式需要把原来的关键点标注或者分类标签转成目标检测框这个转换过程有专门的坐标系处理逻辑后面会细说。模拟场景补充拍摄主要是为了弥补中重度疼痛样本的不足——请志愿者在指导下模拟疼痛表情和动作虽然和真实疼痛有差距但能让模型先见过这类形态。图像分辨率不统一从720p到4K都有。我没有全部压缩到同一个尺寸因为YOLO训练时会做resize统一像素反而是浪费时间保留原始分辨率还能让数据增强有更多裁剪空间。2.2 YOLO标注格式的逐字段解读这套数据集的标注格式是标准YOLO格式每张图像对应一个同名txt文件每行代表一个检测目标格式为类别索引 中心点x 中心点y 框宽 框高所有坐标都是归一化到[0,1]区间的浮点数除以图像的实际宽高。举个例子一张1920x1080的图想标一个中心在(960, 540)、宽400、高300的框那txt里对应的行就是2 0.5 0.5 0.2083 0.2778类别索引从0开始计数。这套数据集目前用了三种标签方案根据任务需求可以切换二分类方案0代表无疼痛1代表有疼痛适合快速验证流程。三级方案0无疼痛、1轻度疼痛、2中重度疼痛这个用得最多因为临床干预的决策点往往在中重度这个分界上。部位状态方案把疼痛部位头部、手部、腿部等和状态联合编码类别数量会到8-10个适合需要定位到具体身体部位的项目。需要特别提醒的是用YOLO格式做多类别时类别索引和yaml配置文件里的names列表必须一一对应。我见过不止一个人因为names顺序写错训练出来的模型输出张冠李戴排查半天才发现是配置文件的问题。2.3 标签体系设计连续评分如何转成检测框临床上疼痛常用0-10分连续评分但这个分数不能直接搬来做检测标签。YOLO输出的是离散类别所以必须做分级映射。我在做这套数据集时参考了面部表情疼痛量表的思路0分对应无疼痛表情1-3分对应轻度眉毛轻微收紧、面部肌肉轻度紧张4-6分对应中度眯眼、鼻唇沟明显7-10分对应重度眼睛紧闭、嘴巴张开呈痛苦状。这里有一个值得琢磨的细节检测框到底框什么。框整个人脸还是框疼痛表现区域我的实践是如果任务是判断这个区域内的人是否处于疼痛状态那就框人脸或上半身类别标疼痛等级如果任务是找出哪些部位在痛那就框具体的疼痛表现区域比如手按住膝盖的位置类别标部位状态。两种方案各有适用场景前者适合监护监测后者适合辅助诊断不建议混着标。3. 训练前必须做对的数据准备细节3.1 目录结构与配置文件的标准写法拿到数据集第一步是把它整理成YOLO能直接读取的目录结构。我用的是这个规范pain_dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── pain_data.yamlimages和labels要严格一一对应同名不同后缀。数据集划分比例建议按8:2或者7:3这套2200张我用了8:2也就是train里1760张val里440张。pain_data.yaml的内容大概是这样的path: /your/path/pain_dataset train: images/train val: images/val names: 0: no_pain 1: mild_pain 2: severe_pain这里有个很多人踩的坑path字段如果写成相对路径训练时工作目录不对就会报错找不到图片。建议直接用绝对路径或者把path指向数据集根目录之后train和val统一不带斜杠前缀。我自己习惯在训练脚本里动态拼接路径比写死yaml更灵活。3.2 划分训练集和验证集时最容易犯的错这个错误隐蔽但致命直接随机划分导致同一个人的多张图像同时出现在训练集和验证集。医疗数据的特点是一个人通常有多张连续拍摄的图像这些图像之间的差异很小微小的表情变化、角度偏移如果同一人的图像横跨train和val验证集的指标会虚高模型看上去很厉害但换一个新患者就崩了。正确做法是按患者ID分组划分先把所有图像按人员ID归类然后以人员为单位分配确保验证集里出现的人从未在训练集里出现过。这套数据集在发布时已经按此逻辑做了划分但如果你后续自己扩充数据一定要记得保持这个原则。这是医疗数据划分和通用数据划分最大的区别。另外划分的时候还要注意类别分布。我遇到过按人划分后验证集里重度疼痛样本特别少的情况因为某个重度患者的大部分图像都进了训练集。所以按人划分之后要检查一下各类别在两边的大致比例必要时手动调整。3.3 数据增强的边界医疗图像经不起乱折腾YOLO自带的增强策略如mosaic、random flip、hsv变化在通用数据集上效果很好但医疗场景要谨慎。左右翻转flip人脸表情左右基本对称这个可以用。但如果是标注身体单侧疼痛比如左膝疼痛翻转之后类别语义就变了这种情况建议关掉flip。Mosaic拼接把四张图拼在一起训练确实能提升小目标检测能力但对人脸检测来说拼接会破坏面部结构完整性而且医疗图像语义连续性很重要我实际测试下来mosaic占比设低一点比如0.5效果更好。HSV颜色增强可以保留因为不同设备的色温差异确实存在稍微扰动色彩能提升泛化性。但幅度要小hsv_h、hsv_s、hsv_v这三个参数建议用YOLO默认值的一半左右别把肤色改得面目全非。还有一个很实用的做法医疗检测模型对图像画质很敏感训练时可以加入轻微的高斯模糊和随机噪声增强模拟真实监控设备的画质损失。YOLO本身不直接支持这个可以在预处理阶段用OpenCV做一次离线增强生成一批增强副本混进训练集。4. YOLO训练的参数调优与损失曲线判读4.1 预训练权重怎么选最省路2200张的数据量不算大从零训练几乎不可能收敛出好效果必须用预训练权重。选择逻辑很简单数据量越小模型越要小预训练域越接近越好。我实测下来的推荐组合首选YOLOv8nnano版搭配COCO预训练权重模型小、收敛快、不容易过拟合。如果设备性能允许且需要更高精度可以上YOLOv8s但2200张的量级用s以上的模型容易过拟合。训练医学图像前可以先用预训练权重在公开人脸表情数据集如果有上做一轮微调让模型先学会处理面部特征再迁移到疼痛检测。这比直接跳转效果稳定。关于下载预训练模型YOLO官方代码里一般都有自动下载逻辑yolov8n.pt国内网络环境不好的话可以从镜像源手动下载后放到指定目录代码检测到本地文件就不会再去拉取。这个细节能省不少事。4.2 从loss曲线判断模型是否真的在学训练时我会同时盯三条loss曲线box_loss边框回归损失、cls_loss分类损失、dfl_loss分布焦点损失。很多人只看总loss这是不够的。正常运行的状态是三条loss在初始阶段快速下降大约30个epoch之后下降速度放缓进入平台期val loss在前期跟着下降然后趋于平稳。如果val cls_loss出现U形回升说明过拟合开始了这时候即使train loss还在下降也应该考虑早停。我在这套数据集上的实操配置是imgsz设为640、batch设为1680GB显存够用小显存就8、epochs设200但开了early stopping patience30。学习率用YOLO默认的AdamW基础配置lr00.01但如果你发现loss震荡剧烈可以把lr0降到0.005再试。补充一个容易被忽略的参数warmup_epochs。YOLO默认有3个epoch的学习率热身这个其实很重要尤其是用预训练权重继续训练时热身阶段能防止前期loss突变。别把它改成0除非你很清楚自己在做什么。4.3 训练中常见的异常信号与对策我在这套数据集训练过程中遇到过的几个异常按踩坑频率排个序loss变为NaN最常见原因是学习率过大或batch里有异常数据。先检查数据集图片是否完整有没有全黑图、截断图再尝试把lr0降到0.001、关闭mosaic。如果问题出在个别坏图上把那个batch的图片单独提出来检查。box_loss不降大概率是标注框本身有问题——比如box坐标越界、宽度或高度为0、归一化算错。写个小脚本检查label文件任何坐标小于0或大于1的行都要修掉。训练很慢但指标不动可能是数据加载瓶颈而非模型问题。检查是否用了正确的workers数、数据是否在机械硬盘上。把图片转成512px的缓存目录有时能提速一倍以上。类别之间精度悬殊比如no_pain的AP很高但severe_pain的AP只有零点几基本可以断定重度样本数量太少。对策是给severe_pain类的loss加权YOLO里可以通过修改class weights实现或者靠后续数据扩充解决。5. 医疗评估指标别拿mAP当唯一救命稻草5.1 敏感度和特异度才是临床关注的做通用检测时大家习惯看mAP但医疗场景里临床医生问你的第一个问题是疼痛患者你能找出多少这对应的是敏感度Sensitivity/Recall第二个问题是没疼的患者你会不会误报成疼这对应的是特异度Specificity。注意一个关键差异目标检测的召回率是框选对了且类别对了才算真正阳性所以疼痛检测里的敏感度本质上是疼痛框的召回率。实际使用中我建议把训练好的模型在验证集300张图上做一次详细的PR分析找到那个能让敏感度达到90%以上的置信度阈值。即使这意味着精确率会降到60-70%也没关系——在监护场景里漏报一个疼痛事件可能导致镇痛不及时而误报顶多让护士多看一眼。评估时应选用的指标组合我个人推荐mAP50和mAP50-95作为基础参考但不过度依赖。每个类别的recall单独列出尤其关注sever类。F1-score在某个置信度阈值下的最大值用于选推理时的置信度。如果做的是二分类有无疼痛还建议补一个AUC值。5.2 类别不平衡下的混淆矩阵分析训练完之后我会在验证集上生成混淆矩阵YOLO训练时会在runs目录下自动输出confusion_matrix.png这个图比任何指标都能说明问题。我在这套数据集上最典型的混淆模式是severe_pain被误判为mild_pain的频率明显高于mild_pain被误判为severe_pain。原因很简单——轻度疼痛的样本量大模型对它的特征拟合更充分相邻等级之间的边界本来就模糊。针对这个问题的处理办法有两类一是把轻度样本里靠近中度边界的那些重新审视一遍标注时确实存在边界样本归属不明确的情况二是调整标签策略如果临床决策只需要需要干预/不需要干预的二分类那就把mild和severe合并成有疼痛no_pain保持不变这样模型的任务更简单准确率会有明显提升。这个取舍看起来很反直觉但医疗场景里经常出现简化标签反而更可用的情况。5.3 真实部署时的边界情况与失败模式验证集指标好看不代表真机好用。我在实际测试中发现了几类典型的失败模式都是验证集指标体现不出来的遮挡患者戴口罩、戴氧气面罩、手捂住半边脸时人脸检测可能直接失效。对策是在验证集里单独预留一组遮挡样本专门测这个场景。如果遮挡严重建议在标注时给戴口罩单独开辟一个类别而不是硬让模型在没有见过口罩的情况下识别面部。多目标重叠病房里可能同时出现患者和家属两张脸模型可能框错对象。如果系统只需要关注患者本人推理时要加一个人脸追踪/筛选逻辑不能直接把所有检测框都当成患者。时间连续性单帧偶尔误报是正常的临床上更关注的是趋势。我建议部署时对检测结果做时序平滑——连续5帧中至少3帧判定为疼痛才触发报警这个简单策略能把误报率降低一个量级成本几乎为零。光线剧变病房灯管频闪、走廊逆光都会导致人脸检测漂移。训练数据里有意识加入了一些过曝和欠曝样本但真机上还是需要配合摄像头设置做曝光控制。6. 我实测下来的几点心得与可能的扩展6.1 数据质量比模型结构更值钱这句话在通用检测里是口号在医疗检测里是硬道理。我拿这套2200张数据集试过YOLOv5、YOLOv8和几个改进结构比如加了注意力机制的版本在相同训练配置下模型结构带来的mAP差异大概在2-3个点但重新整理一遍标注质量修正边界框、删掉错误类别、统一边界样本归属让mAP提升了6个点以上。具体操作建议训练第一版模型后把验证集上错误样本全部导出成图逐张看。你会发现大量错误本质上不是模型笨而是标注模糊——两个标注员对轻度和中度的理解不同。把这类样本拉齐归类比换任何模型都有效。做医疗数据集花在标注质检上的时间应该至少占整个项目的一半。6.2 后续扩充与主动学习的思路2200张是起点不是终点。医疗数据的扩充有两条路一是找更多合作机构要数据二是用主动学习减少人工标注成本。主动学习的玩法是用当前模型对一批未标注图像做预测筛选出那些模型置信度在0.4-0.7之间最不确定的样本让标注员优先标这批。这批样本对模型提升最大远比随机采样标注划算。我在扩充过程中用这个策略大约每标500张新图就能让模型在验证集上有2-3个点的提升。还有一个思路用已训练的模型做伪标注auto-label然后人工修正。在YOLO生态里可以用SAHI或者Label Studio配合模型推理做预标注人工只需要调整框和改类别标注效率能提升一半以上。6.3 轻量化部署的一点现实建议如果最终要部署到病房监控或者移动端模型大小是个绕不开的问题。我的建议是先在训练阶段就用nano或small版本把业务跑通量化推理放在后面优化。具体来说YOLOv8n训练完成后用ONNX导出再用TensorRT做FP16量化在嵌入式设备上帧率能到30fps以上精度损失控制的好的话mAP只掉1个点左右。如果设备更紧张比如手机端考虑把输入图像分辨率从640降到480检测框用的是人脸或身体区域这个分辨率损失完全可接受。需要警惕的是医疗场景里的模型更新不是发个版本就行。重训练新数据后要做回归测试——把旧验证集和新验证集合并跑一遍确认没有让之前能识别的场景退步。我见过有人新增数据后整体mAP涨了结果旧场景里某一类疼痛反而识别不了了。这种回退在医疗场景里是绝对不能接受的。最后说一句个人体会疼痛检测这套任务技术难度本身不算是计算机视觉里最难的那一档真正的门槛全在数据和场景理解上。2200张数据集能让你完整跑通整个pipeline但想要做出能真正辅助临床决策的系统后面还有数据扩充、边界情况处理、与临床流程对接一大串活儿。做之前想清楚应用场景比急着调参重要得多。