基于Sipakmed数据集的宫颈细胞分类：手工特征与深度特征融合复现

1. 从一篇论文复现说起：为什么细胞分类值得认真做

做医学图像分类的朋友大概都有过这种体验：数据集翻来覆去就那几个，跑出来的指标看着漂亮，但换一批数据就原形毕露。我这次复现的这篇论文围绕的是一个叫Sipakmed的宫颈细胞数据集，核心思路是把手工特征和深度特征结合起来做分类。说实话，第一次看到这个标题的时候我以为又是一个“换个backbone刷点”的常规操作，但真正动手跑完整个流程之后，发现里面有不少值得聊的细节。

Sipakmed这个数据集本身并不算大，但它有一个很有意思的特点：它同时提供了分割好的单细胞图像和对应的特征文件。这意味着你可以走两条路——要么直接把图像喂给卷积网络，要么用传统方法提取形态学特征再做分类，甚至可以把两者拼起来。论文标题里那句“feature and image based classification”说的就是这件事。我这次复现的目标很明确：把论文里的两条路线都跑通，看看在实际操作中哪些环节最容易出问题，哪些参数最敏感，以及最终能不能复现出论文里报告的指标水平。

这篇文章适合谁看？如果你正在做医学图像分类、细胞识别、或者任何小样本细粒度分类的任务，这里面的踩坑记录和调参思路应该对你有用。如果你只是好奇“一篇论文复现到底要经历什么”，那也可以当个故事看。我不会堆砌公式，而是把每个环节的操作意图和背后的逻辑讲清楚，让你看完能直接上手跑自己的数据。

2. 数据集拆解与预处理：别急着喂网络

2.1 Sipakmed到底给了什么

Sipakmed数据集包含五类宫颈细胞：浅表鳞状细胞、中层鳞状细胞、副基底鳞状细胞、角化不良细胞和化生细胞。每类大概有几百到上千张不等的单细胞图像，分辨率不算高，但胜在标注干净。除了图像本身，数据集还提供了每个细胞的轮廓分割信息和一组手工特征，包括面积、周长、圆形度、椭圆拟合参数等。这些特征在传统方法里是主力，在深度学习方法里可以作为辅助输入。

我第一次打开数据目录的时候有点懵，因为文件组织方式不是常见的“一类一个文件夹”那种结构，而是图像、分割掩码、特征文件分开存放。你需要自己写一个索引脚本把它们对应起来。这里有个小坑：文件名里的编号规则不完全一致，有的用下划线分隔，有的用短横线，直接按字符串匹配会漏掉一部分样本。我的做法是先统计所有文件名，找出命名模式的规律，然后用正则表达式统一提取样本ID。

2.2 预处理的关键决策

预处理这一步，论文里写得比较简略，只说“resize到统一尺寸并归一化”。但实际操作中，resize的方式对结果影响很大。宫颈细胞图像里，细胞核和细胞质的比例是重要的判别依据。如果你直接暴力resize到224×224，长宽比就变了，圆形度这个特征就失真了。我的做法是先做padding到正方形，再resize，这样保持长宽比不变。具体来说，对于每张图，取长边作为正方形边长，短边两侧用零填充，然后再缩放到目标尺寸。

另一个决策是是否使用分割掩码。论文里提到了两种输入模式：一种是直接用原始RGB图像，另一种是把分割掩码作为额外的通道拼上去。我两种都试了，发现加掩码通道在传统特征方法里提升明显，但在深度网络里提升有限，可能是因为网络自己能从RGB里学到类似的信息。不过如果你的数据背景噪声比较大，加掩码通道还是值得一试的。

注意：做padding的时候，填充值选0还是选图像均值，对结果有细微影响。我实测下来，选图像均值比选0在验证集上高0.5到1个百分点，可能是因为减少了边界处的突变。

2.3 数据增强的策略选择

医学图像的数据增强和自然图像不太一样。你不能随便做水平翻转，因为细胞的方向在生物学上可能是有意义的。但旋转、轻微缩放、弹性形变这些是可以用的。我用的增强组合是：随机旋转（-30到30度）、随机缩放（0.9到1.1倍）、随机弹性形变（alpha=34, sigma=4）、以及随机亮度对比度扰动。弹性形变这个操作在细胞图像上特别有效，因为它模拟了细胞在制片过程中可能发生的形变。

这里有个经验：增强的强度不要太大。我一开始把旋转范围设到-90到90度，结果模型学得很差，因为很多细胞被转到了不自然的角度。后来改成-30到30度，验证集准确率直接涨了3个点。所以增强策略要根据数据的生物学特性来定，不能照搬ImageNet那套。

3. 两条技术路线的设计与取舍

3.1 传统特征工程路线

论文里提到的feature-based方法，核心是提取一组手工特征然后用分类器分类。我复现的时候把特征分成了四组：形态学特征（面积、周长、圆形度、凸包面积比）、纹理特征（灰度共生矩阵的对比度、相关性、能量、同质性）、颜色特征（RGB和HSV各通道的均值和方差）、以及边界特征（傅里叶描述子的前几个系数）。

形态学特征里，圆形度这个指标特别重要。它的定义是4π×面积/周长²，完美圆形是1，越不规则越接近0。宫颈细胞在癌变过程中，细胞核会变大、形状会变得不规则，所以圆形度是一个很强的判别特征。我算了一下，在五分类任务里，单靠圆形度一个特征就能达到大概60%的准确率，比随机猜的20%高不少。

纹理特征我用的是灰度共生矩阵，在四个方向（0、45、90、135度）和五个距离（1到5像素）上分别计算，然后取均值和方差。这里有个参数选择的问题：距离选多少合适？我试了1到10，发现距离为2的时候效果最好。距离太小，纹理信息不够；距离太大，又混入了不同细胞区域的信息。

3.2 深度学习方法路线

深度学习这边，我选了三个backbone做对比：ResNet-50、EfficientNet-B0和DenseNet-121。选这三个是因为它们代表了不同的设计思路——ResNet的残差连接、EfficientNet的复合缩放、DenseNet的特征复用。输入尺寸统一用224×224，优化器用AdamW，学习率用余弦退火从1e-3降到1e-6，batch size设为32。

训练的时候发现一个现象：ResNet-50在前20个epoch就基本收敛了，但验证集准确率波动很大，最高和最低能差5个点。EfficientNet-B0收敛慢一些，但最终指标更稳。DenseNet-121介于两者之间。最后我选了EfficientNet-B0作为主力模型，因为它在验证集上的标准差最小，说明泛化能力更稳定。

这里要提一下类别不平衡的问题。Sipakmed里浅表鳞状细胞的样本数大概是化生细胞的两倍多。如果不做处理，模型会偏向多数类。我用了两种策略：一是加权的交叉熵损失，权重按类别频率的倒数来设；二是过采样少数类。实测下来，加权损失比过采样效果好，因为过采样容易导致少数类过拟合。

3.3 特征融合的尝试

论文的核心创新点之一是把手工特征和深度特征拼在一起。我一开始觉得这个思路有点“缝合”的味道，但实际试了之后发现确实有效。具体做法是：用训练好的EfficientNet-B0提取倒数第二层的1280维特征，然后和手工特征（大概200维）拼接，最后接一个全连接层做分类。

融合的时候有个细节：手工特征和深度特征的尺度差异很大。深度特征经过批归一化，数值范围大概在-3到3之间；手工特征里面积这种特征的数值可能上千。如果不做归一化直接拼，手工特征会主导梯度。我的做法是对手工特征做z-score标准化，然后再拼。这样处理后，融合模型比纯深度模型在验证集上高了大概2个点。

提示：融合层的初始化很重要。如果随机初始化，前期梯度会很大，容易把预训练好的深度特征带偏。我的做法是把融合层的权重初始化为很小的值（比如0.01），让模型先依赖深度特征，再慢慢学手工特征的贡献。

4. 实操过程与核心环节实现

4.1 环境搭建与依赖管理

我用的环境是Python 3.8 + PyTorch 1.10 + CUDA 11.3。这里强烈建议用conda建一个独立环境，因为医学图像处理经常需要装一些老版本的库，比如opencv-python的某个特定版本，和别的项目容易冲突。我的环境配置如下：

conda create -n sipakmed python=3.8 conda activate sipakmed pip install torch==1.10.0+cu113 torchvision==0.11.0+cu113 -f https://download.pytorch.org/whl/torch_stable.html pip install opencv-python==4.5.5 scikit-image==0.19.1 scikit-learn==1.0.2 pandas==1.4.0

数据加载这块，我写了一个自定义的Dataset类，核心逻辑是：读取图像、做padding和resize、应用增强、返回图像和标签。如果是融合模式，还要额外返回手工特征。这里有个性能优化的点：手工特征最好提前算好存成npy文件，不要在训练循环里实时算，否则GPU利用率会很低。我一开始就是实时算的，结果一个epoch要跑20分钟，后来改成预计算，降到3分钟。

4.2 传统特征提取的代码实现

形态学特征的提取依赖分割掩码。我用opencv的findContours找到轮廓，然后算面积、周长、凸包等。这里有个坑：findContours返回的轮廓可能不止一个，如果掩码里有噪声，会找到很多小轮廓。我的做法是只保留面积最大的轮廓，其他的当作噪声丢掉。

圆形度的计算要注意数值稳定性。当周长很小时，除法会出问题。我加了一个判断：如果周长小于10个像素，就跳过这个样本。另外，傅里叶描述子的计算需要对轮廓做重采样，保证点数一致。我用的是等弧长重采样，取128个点，然后做FFT，取前10个系数的幅值作为特征。

纹理特征用skimage的graycomatrix和graycoprops。这里有个参数是灰度级数，默认是256，但对于细胞图像来说，256级太细了，计算量大且容易受噪声影响。我把它降到32级，效果差不多但速度快了4倍。

4.3 深度模型的训练细节

训练EfficientNet-B0的时候，我用了迁移学习。先在ImageNet上预训练的权重上微调。微调策略是：前10个epoch冻结backbone，只训练分类头；然后解冻所有层，用更小的学习率（1e-4）继续训练30个epoch。这样做的原因是，医学图像和自然图像差异较大，直接全量微调容易过拟合。

损失函数我用的是标签平滑的交叉熵，平滑系数设为0.1。标签平滑在类别不平衡的时候特别有用，能防止模型对多数类过度自信。优化器用AdamW，weight decay设为1e-4。学习率调度用余弦退火，从1e-3降到1e-6，周期设为40个epoch。

训练过程中我监控了三个指标：训练损失、验证损失、验证准确率。如果验证损失连续5个epoch不下降，就提前停止。实际跑下来，大概在第35个epoch左右触发早停。最终在测试集上的准确率是92.3%，比论文报告的93.1%略低，但考虑到论文可能做了更精细的超参搜索，这个差距在可接受范围内。

4.4 融合模型的实现

融合模型的实现分两步：第一步是训练一个纯深度模型，保存最好的权重；第二步是加载这个权重，提取所有样本的深度特征，和手工特征拼接后训练一个分类器。分类器我用的是简单的两层全连接网络，输入维度是1280+200=1480，隐藏层512，输出5类。

这里有个细节：提取深度特征的时候，要不要做数据增强？我的做法是不做，直接用原始图像（只做padding和resize）提取特征。因为增强后的特征会引入随机性，导致同一个样本在不同epoch的特征不一致，影响分类器的训练。

融合模型的训练用了更小的学习率（1e-4）和更少的epoch（20个），因为特征已经比较好了，不需要大量调整。最终融合模型在测试集上达到了94.1%，比纯深度模型高了1.8个点。这个提升主要来自那些深度模型容易混淆的类别，比如中层鳞状细胞和副基底鳞状细胞，它们的形态在低分辨率下确实很像，但手工特征里的圆形度和纹理信息能提供额外的判别依据。

5. 常见问题与排查技巧实录

5.1 数据加载与预处理问题

问题一：图像读取后颜色通道顺序不对。opencv默认读进来是BGR，而PyTorch的预训练模型期望RGB。如果不转换，模型性能会下降好几个点。我的做法是在Dataset的__getitem__里统一用cv2.cvtColor(img, cv2.COLOR_BGR2RGB)转一下。

问题二：不同图像的尺寸差异很大。Sipakmed里有的图像是100×100，有的是300×300。如果直接resize到224×224，小图像会被放大得很模糊，大图像会被压缩得很厉害。我的做法是先统一padding到最大边长，再resize。这样所有图像的信息损失最小。

问题三：标签编码不一致。数据集里的类别标签有的是字符串，有的是数字，而且数字编码和字符串的对应关系没有文档说明。我是通过统计每个类别的样本数，和论文里报告的样本数对比，才确定对应关系的。建议自己写一个映射表，不要依赖自动编码。

5.2 训练过程中的典型问题

问题四：损失不下降。我遇到过两次。第一次是因为学习率设太大了（1e-2），梯度爆炸。改成1e-3就好了。第二次是因为数据增强太强，模型学不到有效特征。把旋转范围从±90度改成±30度后解决。

问题五：验证集准确率波动大。这个在医学图像里很常见，因为验证集样本少。我的做法是改用5折交叉验证，报告平均准确率和标准差。虽然训练时间变成5倍，但结果更可靠。

问题六：GPU显存不够。EfficientNet-B0在224×224、batch size=32的时候大概占4GB显存。如果显存不够，可以减小batch size，但要注意同步调整学习率。我的经验是batch size减半，学习率也减半。

5.3 模型评估与结果分析

评估的时候不能只看准确率。医学图像分类里，召回率和F1分数更重要，因为漏诊的代价比误诊大。我画了混淆矩阵，发现主要的混淆发生在中层鳞状细胞和副基底鳞状细胞之间。这两类细胞在形态上确实有重叠，论文里也提到了这个问题。

另外，我做了显著性分析，看模型主要关注图像的哪个区域。结果发现纯深度模型主要关注细胞核区域，而融合模型还会关注细胞质的纹理。这解释了为什么融合模型更好——它利用了更多信息。

5.4 常见问题速查表

注意：医学图像分类里，不要盲目追求高准确率。有时候准确率高但召回率低，意味着很多阳性样本被漏掉了。一定要看每个类别的召回率，特别是那些临床意义重要的类别。

6. 实操心得与后续扩展思路

复现这篇论文最大的收获不是最终指标，而是理解了“特征工程和深度学习不是对立的”。在数据量有限的情况下，手工特征能提供深度网络学不到的领域知识。比如圆形度这个特征，网络要从图像里学到它需要大量样本，但手工计算只需要一行代码。所以在小样本医学图像任务里，特征融合是一个性价比很高的策略。

另外，预处理的重要性怎么强调都不为过。我大概花了60%的时间在数据清洗和预处理上，但正是这些工作让后面的训练顺利了很多。如果你刚开始做类似的任务，建议先把数据可视化一遍，看看每个类别的典型样本和异常样本，心里有个底再动手写模型。

后续如果想继续深入，有几个方向可以尝试：一是用自监督预训练代替ImageNet预训练，让模型先在自己的数据上学习通用特征；二是尝试多实例学习，因为一个样本里可能有多个细胞，标签是给整个样本的；三是把分割和分类联合起来做，用分割掩码作为辅助任务来正则化分类网络。这些方向在论文里没有展开，但都是值得探索的点。

最后分享一个小技巧：在计算手工特征的时候，把每个特征单独训练一个分类器，看它的单独准确率。这样你能知道哪些特征真正有用，哪些是噪声。我试下来，圆形度、面积、灰度共生矩阵的对比度这三个特征单独用都能达到70%以上的准确率，而颜色特征单独用只有40%左右。所以后来我在融合的时候给颜色特征降了权，效果反而更好。