CT肾脏结石检测：YOLOv5数据集详解与训练调参实践

简介：这是一份面向目标检测初学者及医学影像AI研究者的CT图像肾脏与结石检测数据集，已按YOLOv5格式整理，包含结石与肾脏两个类别，训练集325张、验证集135张，均配有对应txt标签文件。压缩包共923个文件，含460张JPG图像、461个txt标注文件及1个Python可视化脚本，整体大小约17MB。图像统一为640×640的RGB分辨率，来自CT扫描场景，边界框标注清晰完整，适合直接用于YOLOv5系列模型的训练与评估。压缩包内另附可视化py脚本，无需修改即可随机读取图片并绘制检测框，保存至当前目录，便于快速预览标注效果。整个数据集按datasets-images-train和datasets-images-val目录组织，结构直观，省去手动转换格式的步骤。目前已有132人学习下载，适合作为医学目标检测教学、课程设计或算法验证的入门数据。

1. 这套 CT 肾脏结石数据集，为什么建议直接拿来训练

做 CT 影像检测的同学大概都经历过这种尴尬：模型框架选 YOLOv5 只花一个小时，真正耗掉两周的是清洗 DICOM、裁剪窗口、转格式和逐张标框。这套 CT 肾脏与结石检测数据集压缩后仅 17 MB，460 张 640×640 的 RGB 图像，已经按 YOLOv5 的 images/labels 标准结构组织好，训练集 325 张、验证集 135 张，类别只有肾脏和结石 2 类，标签是 YOLO 格式的 txt 文件。拿过来写一个 data.yaml 就能直接开始迭代，省掉最枯燥的预处理环节。对正在做医学影像检测落地的工程师，它适合作为小样本迁移学习的起点；对熟手来说，真正值得读的是 CT 灰度影像在 YOLOv5 数据管线下的特殊问题，比如结石这类小目标的标注校验、类别不均衡对 mAP 的影响，以及可视化脚本怎么帮你快速判断标注可信度。

2. 目录结构与标签格式：YOLOv5 直接能读的 640×640 CT 图像

2.1 压缩包内的标准目录与同名配对机制

从文件名Stone-698-_jpg.rf.bb061fedc493e2891511718a880d0d29.jpg可以看出，这套数据保留了 Roboflow 导出时的命名习惯，.rf是导出工具自动追加的哈希标识。Roboflow 导出 YOLOv5 格式时默认按 images 和 labels 分好目录，解压后整体结构应该是这样的。

datasets/ └── Stone-704/ ├── images/ │ ├── train/ │ │ ├── Stone-698-_jpg.rf.bb061fedc493e2891511718a880d0d29.jpg │ │ └── ... 共 325 张 640×640 图像 │ └── val/ │ └── ... 共 135 张 ├── labels/ │ ├── train/ │ │ ├── Stone-698-_jpg.rf.bb061fedc493e2891511718a880d0d29.txt │ │ └── ... 共 325 个标签文件 │ └── val/ │ └── ... 共 135 个 └── data.yaml

YOLOv5 的 dataloader 在读取训练样本时，会自动把图片后缀.jpg替换为.txt去 labels 对应目录里找同名文件。所以图片与标签的同名关系是硬约束，其次才是目录名约定。这里保留.rf哈希不影响配对，只要不自己改文件名就行。如果下载后手动重命名过文件，训练时会出现大量 “No labels found” 警告，这一点比目录层级错误更隐蔽。

2.2 两个类别的 txt 标签：类别 ID 与归一化坐标

每一张图片对应的 txt 文件里，每一行代表一个标注框，共五个值，顺序固定为：类别 ID、归一化中心点 x、归一化中心点 y、归一化宽度、归一化高度。

0 0.5281 0.4122 0.1783 0.2418 1 0.4469 0.3850 0.0521 0.0675

第一列 0 或 1 是类别 ID，ID 从 0 开始计数，恰好对应两个类别，与 data.yaml 里 names 列表的下标一一对应。后面四个值全部做了归一化，实际像素坐标需要乘以图像的宽或高。例如输入图是 640×640，某框中心点 x 的归一化值为 0.5281，则像素坐标为 0.5281 乘以 640，约等于 338。宽高同理。YOLOv5 在训练时会对原图做 letterbox 缩放，如果标签是绝对像素坐标，缩放时要跟着做同步变换；归一化坐标天然免疫缩放，这是从 darknet 时代继承下来的标准约定，也是这套数据集不需要额外脚本就能直接训练的原因。

2.3 类别含义与 data.yaml 的 names 对齐

根据数据集说明，检测目标为两类，推荐映射关系如下。

实际下载的数据集里 data.yaml 的 names 顺序可能与此不同，使用前必须打开文件核对。如果 names 顺序与标注 ID 对不上，训练过程不会报错，但验证时 kidney 的 AP 会被记到 stone 名下，模型权重也随之错位。我拿到任何数据集的第一件事，就是把 data.yaml 里的 names 和一张可视化结果对着看，确认类别颜色和标签文字。

2.4 CT 灰度图与 YOLOv5 RGB 输入的适配问题

CT 原生影像是单通道灰度，这套数据集则将灰度拷贝为三通道的 RGB 图再存为 640×640 的 JPG。YOLOv5 模型第一个卷积层接收三通道输入，JPG 的 RGB 存储可以直接喂给模型，不需要额外转换。但要注意，YOLOv5 默认数据增强里有 HSV 色彩抖动，对 CT 这类语义完全依赖灰度结构的数据来说，颜色抖动没有意义，还可能在灰度值分布上引入不必要的扰动，这一点到第 5 章超参调整时会给出具体配置建议。

3. 训练/验证划分与 data.yaml：把 325/135 跑进 YOLOv5 流程

3.1 为什么 325 + 135 的留出法划分是合理配置

训练集 325 张、验证集 135 张，验证集占比约 29%。这个比例不是随手切的：验证集足够大，每个类别在验证阶段有足够多的正样本框做 AP 统计；如果验证集只有二三十张，mAP 的方差会很大，调参时很难判断模型是变好了还是随机波动。460 张图对 YOLOv5 来说属于小规模医学数据集，必须依赖 COCO 预训练权重做迁移学习，不能随机初始化训练。肾脏是大目标，轮廓清晰，容易学；结石是小目标，可能只占十几个像素，对 anchor 尺寸和输入分辨率都比较敏感，这在后面的超参数调整里是关键矛盾。

3.2 data.yaml：拿过来唯一需要改的配置

使用这个数据集时，训练前唯一必须写对的文件就是 data.yaml。YOLOv5 的 train.py 读取其中的 path、train、val、nc、names 五个字段。

# data.yaml path: ./datasets/Stone-704 # 数据集根目录，images 和 labels 的上一级 train: images/train # 训练图片目录，相对 path val: images/val # 验证图片目录，相对 path nc: 2 # 类别数量：结石 + 肾脏 names: 0: stone 1: kidney

path 建议用相对路径。换成别的机器或云 GPU 训练时，只要仓库根目录不变，data.yaml 就不用改。这里的 train 和 val 指向的是图片目录而不是标签目录，YOLOv5 会自动去同级的 labels 下找对应 txt 文件。常见错误是把 train 写成 images/train/ 的绝对路径，同时还指定了 labels 路径，导致加载两次；实际上 val 目录也必须有同名标签文件，验证集没标签就完全无法计算 mAP。

3.3 训练前校验：查数量、查空标签、查类别分布

正式训练之前，我习惯用一组命令快速验证数据完整性，避免训练两小时后才发现标签路径有问题。

# 1. 统计图片与标签文件总数 find datasets/Stone-704/images -name "*.jpg" | wc -l find datasets/Stone-704/labels -name "*.txt" | wc -l # 2. 查找空标签文件（图片存在但没有标注） find datasets/Stone-704/labels -type f -size 0 -name "*.txt" # 3. 统计全部标签中的类别 ID 分布 cat datasets/Stone-704/labels/train/*.txt datasets/Stone-704/labels/val/*.txt \ | awk '{print $1}' | sort | uniq -c

第一个命令输出图片总数，预期为 460，与 labels 的 txt 数量一致。第二个命令查找 0 字节标签文件，一旦存在，对应图片会被 YOLOv5 在训练时跳过并打出警告。第三个命令把训练集和验证集的标签全部打平，取每行第一列做计数，输出类似285 0、320 1的结果，表示类别 0 出现 285 次、类别 1 出现 320 次。如果出现了大于等于 2 的 ID，说明类别数与 names 不匹配；如果某个 ID 完全没出现，该类别在训练中会缺少正样本，AP 直接为 0。

3.4 训练命令与参数选择

数据校验通过后，执行训练的命令如下。

python train.py --img 640 --batch 8 --epochs 120 \ --data datasets/Stone-704/data.yaml \ --weights yolov5s.pt --device 0

参数含义：--img 640与数据集原始分辨率一致，避免额外的 letterbox 缩放损失；--batch 8在 6 GB 显存上跑 yolov5s 是安全值，显存低于 6 GB 就降到 4；--epochs 120是小数据集的常见区间，太少欠拟合，太多则过拟合，训练时重点观察最后一个 epoch 的 val loss 是否回升；--weights yolov5s.pt表示加载 COCO 预训练权重做迁移学习。在 3080 级别显卡上，460 张图的 120 epoch 完整训练大约 30 到 50 分钟。第一次跑建议加--epochs 5先验证数据加载和 loss 下降是否正常，再跑完整训练。

4. 可视化脚本：一条命令验证标注框是否贴合 CT 病灶

4.1 为什么先可视化而不是直接训练

目标检测项目的第一个教训：不要相信 txt 里的坐标。CT 图像对比度低，肾脏与周围组织边界模糊，结石可能只占几个像素；如果标注框框偏了或类别标反，模型在推理时会按照同样偏置的位置输出错误检测结果。可视化脚本的价值，是把标注质量在训练之前用图像直接暴露出来。数据集附带一个可视化 py 文件，设计逻辑是随机抽取一张图片，读取同名 txt 标签，把归一化坐标还原成像素坐标，绘制边界框和类别名，最后保存到当前目录。

4.2 核心实现：归一化坐标还原与逐框绘制

下面这段代码复刻了可视化脚本的核心逻辑，可以直接运行，不需要命令行参数。

import cv2 import os import random import glob CLASS_NAMES = ["stone", "kidney"] # 必须与 data.yaml 的 names 顺序一致 COLORS = [(0, 255, 0), (0, 0, 255)] def draw_one(image_path, label_path, save_path): # 1. 读图，取原始宽高作为坐标还原的基准 img = cv2.imread(image_path) h, w = img.shape[:2] # 2. 逐行读取 YOLO 标签：类别ID + 归一化的中心x/y/宽/高 with open(label_path, "r", encoding="utf-8") as f: for line in f: parts = line.strip().split() if len(parts) != 5: continue cls_id = int(parts[0]) x_c, y_c, bw, bh = map(float, parts[1:]) # 3. 归一化坐标还原为像素坐标（中心式转左上/右下角） x1 = int((x_c - bw / 2.0) * w) y1 = int((y_c - bh / 2.0) * h) x2 = int((x_c + bw / 2.0) * w) y2 = int((y_c + bh / 2.0) * h) # 4. 边界裁剪，防止标注超出图像范围导致绘图报错 x1, y1 = max(0, x1), max(0, y1) x2, y2 = min(w - 1, x2), min(h - 1, y2) cv2.rectangle(img, (x1, y1), (x2, y2), COLORS[cls_id], 2) cv2.putText(img, CLASS_NAMES[cls_id], (x1, max(0, y1 - 8)), cv2.FONT_HERSHEY_SIMPLEX, 0.7, COLORS[cls_id], 2) cv2.imwrite(save_path, img) def main(): train_images = glob.glob(os.path.join("images", "train", "*.jpg")) random.seed(2024) img_path = random.choice(train_images) label_path = img_path.replace("images", "labels").replace(".jpg", ".txt") draw_one(img_path, label_path, "visual_result.jpg") if __name__ == "__main__": main()

这段代码的关键在第三步的换算。YOLO 标签存的是「中心点 + 宽高」的归一化值，全部除以过原图尺寸，因此还原像素时先乘以 w 或 h，再把中心坐标展开成左上角和右下角两个角点。第四步的越界保护对应 CT 图像边界上被截断的器官或紧贴图像边缘的结石，标注框略微超出图像时，cv2.rectangle 会报错，裁剪后问题消失。CLASS_NAMES必须与 data.yaml 的 names 顺序一致，如果 names 是['kidney', 'stone']，这里的两项要对调，否则标注文字与真实类别错位。

归一化坐标到像素坐标的换算可以按下面这张表速查。

4.3 我一般会顺手做的两种标注质量检查

随机抽样看一张图，只能证明脚本能跑通。我通常会再补两种检查：一是手动固定抽一张多目标图，打开对应的 txt 文件，如果行数很多，说明这张图有多个结石框，专门看这类小目标框是否框住了完整的强回声斑块，而不是只框住亮点中心；二是按类别分别统计所有标注框的宽高像素值，结石的框宽高通常在几十像素以内，如果出现几百像素的结石框，大概率是把整片肾脏区域误标成了结石，这种标注会直接影响小目标的 anchor 匹配。

5. 小目标与类别不均衡：YOLOv5 在 CT 检测中的调参与排错

5.1 针对 2 类 CT 检测的超参数调整清单

在 460 张小数据集上直接跑默认参数，通常会出现两个问题：结石小目标漏检，以及两个类别样本数不均导致 mAP 涨得慢。对照 yolov5s 自带的hyp.scratch-low.yaml，针对这套 CT 数据的调整建议如下。

把以上字段写入hyp_ct.yaml，训练时通过--hyp传入。

python train.py --img 640 --batch 8 --epochs 120 \ --data datasets/Stone-704/data.yaml \ --weights yolov5s.pt \ --hyp hyp_ct.yaml --device 0

5.2 验证阶段重点看 per-class AP 而不是总 mAP

训练完成后，用 val.py 输出每个类别的 AP。

python val.py --data datasets/Stone-704/data.yaml \ --weights runs/train/exp/weights/best.pt \ --img 640 --task val

如果 stone 的 AP 明显低于 kidney，优先检查 anchor 而不是盲目加数据。YOLOv5 默认 anchor 是 COCO 尺度聚类的结果，CT 结石远小于 COCO 中的常见目标，可以重新用 kmeans 对训练集标注框做聚类，把新 anchor 写回模型 yaml 后重新训练，这一步对结石的 recall 提升往往比调 loss 更直接。

5.3 训练中常见的三个坑

日志里出现WARNING: No labels found，先查 data.yaml 的 path 与 labels 目录是否存在，而不是改代码。某个类别 AP 全程为 0，回到第 3.3 节的uniq -c命令核对类别 ID 是否实际存在。loss 出现 nan，通常是小 batch 下学习率偏大，batch 4 时把--lr0 0.01降到 0.001 再试。验证时如果想知道模型到底漏在哪一类目标，可以加--save-txt --save-conf把预测结果导出成 txt，与真实标签做逐框对比，漏检的是极小的结石还是被遮挡的肾脏，看导出文件就能定位到具体切片。

本文还有配套的精品资源，点击获取