从训练到评估：手搓一个Hovernet推理结果评估脚本（附完整Python代码）

从训练到评估手搓一个Hovernet推理结果评估脚本附完整Python代码当你终于跑通了Hovernet模型的训练和推理流程看着生成的.mat预测文件可能会陷入新的困惑这些预测结果到底有多准确官方代码没有提供评估脚本而学术论文中的指标又显得遥不可及。本文将带你从零构建一个完整的评估系统不仅提供可直接运行的Python代码更会深入解析每一行背后的计算逻辑。1. 评估脚本的设计哲学在病理图像分割领域评估不是简单的像素对比。我们需要考虑细胞实例的完整性、边界准确性以及检测的可靠性。传统语义分割的评估指标在这里往往力不从心这就是为什么Hovernet这类模型需要特殊的评估方式。评估脚本的核心任务可以分解为三个层次像素级准确率预测的细胞区域与真实标注的重合程度实例级完整性每个细胞实例是否被完整检测拓扑结构保持细胞间的接触关系是否被正确保留# 基础评估流程框架 def evaluate(pred, gt): # 1. 二值化处理 pred_bin (pred 0).astype(np.uint8) gt_bin (gt 0).astype(np.uint8) # 2. 连通域分析 pred_labeled label(pred_bin) gt_labeled label(gt_bin) # 3. 指标计算 metrics calculate_metrics(pred_labeled, gt_labeled) return metrics注意评估脚本需要与Hovernet的输出特性严格匹配。模型生成的inst_map中每个细胞实例都有唯一的ID值背景为0。2. 环境准备与数据加载评估环节的依赖相对简单主要需要以下几个科学计算库库名称用途说明最低版本scipy加载.mat格式的预测结果1.6.0scikit-image连通域分析0.18.0scikit-learn指标计算0.24.0numpy数组操作1.20.0数据加载部分需要特别注意.mat文件的结构def load_inst_map(file_path): 加载.mat格式的实例标注图 Args: file_path: .mat文件路径 Returns: numpy.ndarray: 二维数组每个细胞实例有唯一ID mat loadmat(file_path) return mat[inst_map] # Hovernet标准输出格式常见问题排查如果遇到KeyError: inst_map检查.mat文件是否来自Hovernet推理输出出现TypeError时确认scipy版本是否支持该.mat格式3. 核心评估指标实现评估指标的计算需要分阶段进行我们先从二值化处理开始3.1 二值化与连通域分析def binarize_and_label(inst_map): 将实例图转换为二值图并进行连通域标记 Args: inst_map: 原始实例图背景为0每个实例有唯一ID Returns: tuple: (二值图, 连通域标记图) binary (inst_map 0).astype(np.uint8) labeled label(binary) return binary, labeled这个阶段有几个关键技术点二值化阈值简单使用0作为阈值也可根据需求调整连通域算法skimage.measure.label使用高效的并查集算法边界处理8连通或4连通会影响细小突起的细胞形态3.2 指标计算模块我们主要计算三个核心指标from sklearn.metrics import f1_score, precision_score, recall_score def calculate_metrics(pred, gt): 计算评估指标 Args: pred: 预测结果的连通域图 gt: 真实标注的连通域图 Returns: tuple: (F1, Precision, Recall) pred_flat pred.flatten() gt_flat gt.flatten() f1 f1_score(gt_flat 0, pred_flat 0) precision precision_score(gt_flat 0, pred_flat 0) recall recall_score(gt_flat 0, pred_flat 0) return f1, precision, recall指标解释Precision预测为细胞的区域中真正是细胞的比例Recall真实细胞区域中被正确预测出来的比例F1 ScorePrecision和Recall的调和平均数4. 批量评估与结果可视化单个图像的评估结果参考价值有限我们需要对整个测试集进行批量评估def eval_folder(pred_dir, gt_dir): 评估整个文件夹的预测结果 Args: pred_dir: 预测结果.mat文件目录 gt_dir: 真实标注.mat文件目录 f1_list, p_list, r_list [], [], [] for fname in os.listdir(pred_dir): if not fname.endswith(.mat): continue pred_path os.path.join(pred_dir, fname) gt_path os.path.join(gt_dir, fname) if not os.path.exists(gt_path): print(f警告缺少{fname}的标注文件) continue f1, p, r eval_single_image(pred_path, gt_path) f1_list.append(f1) p_list.append(p) r_list.append(r) print(f[{fname}] F1: {f1:.4f}, P: {p:.4f}, R: {r:.4f}) print(\n 整体指标 ) print(f平均F1分数: {np.mean(f1_list):.4f} ± {np.std(f1_list):.4f}) print(f平均精确率: {np.mean(p_list):.4f} ± {np.std(p_list):.4f}) print(f平均召回率: {np.mean(r_list):.4f} ± {np.std(r_list):.4f})结果可视化建议使用箱线图展示各指标在不同图像上的分布绘制Precision-Recall曲线分析模型表现对指标异常的图像进行个案分析5. 高级评估技巧基础指标之外我们还可以实现更专业的评估方法5.1 实例匹配评估from scipy.spatial import distance_matrix def instance_matching(pred_inst, gt_inst): 基于中心点的实例匹配 Args: pred_inst: 预测实例图 gt_inst: 真实实例图 Returns: dict: 匹配统计结果 pred_props regionprops(pred_inst) gt_props regionprops(gt_inst) pred_centers np.array([prop.centroid for prop in pred_props]) gt_centers np.array([prop.centroid for prop in gt_props]) dist_mat distance_matrix(pred_centers, gt_centers) matched (dist_mat 10) # 10像素距离阈值 tp np.sum(matched.any(axis1)) fp len(pred_props) - tp fn len(gt_props) - np.sum(matched.any(axis0)) return {TP: tp, FP: fp, FN: fn}5.2 边界敏感评估细胞分割特别关注边界准确性我们可以实现边界加权评估from skimage.segmentation import find_boundaries def boundary_weighted_metrics(pred, gt): 边界加权的评估指标 Args: pred: 预测图 gt: 真实图 Returns: tuple: (边界F1, 边界Precision, 边界Recall) pred_boundary find_boundaries(pred, modeinner) gt_boundary find_boundaries(gt, modeinner) # 给边界像素3倍权重 weights np.ones_like(pred, dtypenp.float32) weights[pred_boundary] 3.0 weights[gt_boundary] 3.0 f1 f1_score(gt 0, pred 0, sample_weightweights.flatten()) precision precision_score(gt 0, pred 0, sample_weightweights.flatten()) recall recall_score(gt 0, pred 0, sample_weightweights.flatten()) return f1, precision, recall6. 完整评估脚本集成将上述模块整合成完整的评估系统import os import numpy as np from scipy.io import loadmat from skimage.measure import label, regionprops from sklearn.metrics import f1_score, precision_score, recall_score class HovernetEvaluator: def __init__(self, pred_dir, gt_dir): self.pred_dir pred_dir self.gt_dir gt_dir self.metrics { F1: [], Precision: [], Recall: [], TP: [], FP: [], FN: [] } def evaluate_all(self): for fname in os.listdir(self.pred_dir): if not fname.endswith(.mat): continue pred_path os.path.join(self.pred_dir, fname) gt_path os.path.join(self.gt_dir, fname) if not os.path.exists(gt_path): print(f跳过{fname}缺少标注文件) continue results self.evaluate_single(pred_path, gt_path) self._update_metrics(results, fname) self._print_summary() def evaluate_single(self, pred_path, gt_path): pred loadmat(pred_path)[inst_map] gt loadmat(gt_path)[inst_map] # 基础指标 f1, precision, recall self._basic_metrics(pred, gt) # 实例匹配 match_stats self._instance_matching(pred, gt) return { filename: os.path.basename(pred_path), F1: f1, Precision: precision, Recall: recall, **match_stats } def _basic_metrics(self, pred, gt): pred_bin (pred 0).astype(np.uint8) gt_bin (gt 0).astype(np.uint8) pred_labeled label(pred_bin) gt_labeled label(gt_bin) f1 f1_score(gt_bin.flatten(), pred_bin.flatten()) precision precision_score(gt_bin.flatten(), pred_bin.flatten()) recall recall_score(gt_bin.flatten(), pred_bin.flatten()) return f1, precision, recall def _instance_matching(self, pred, gt): pred_props regionprops(label(pred 0)) gt_props regionprops(label(gt 0)) if not pred_props or not gt_props: return {TP: 0, FP: len(pred_props), FN: len(gt_props)} pred_centers np.array([prop.centroid for prop in pred_props]) gt_centers np.array([prop.centroid for prop in gt_props]) dist_mat distance_matrix(pred_centers, gt_centers) matched (dist_mat 10) tp np.sum(matched.any(axis1)) fp len(pred_props) - tp fn len(gt_props) - np.sum(matched.any(axis0)) return {TP: tp, FP: fp, FN: fn} def _update_metrics(self, results, fname): print(f[{fname}] F1: {results[F1]:.4f}, fP: {results[Precision]:.4f}, fR: {results[Recall]:.4f}, fTP: {results[TP]}, FP: {results[FP]}, FN: {results[FN]}) for key in self.metrics: self.metrics[key].append(results[key]) def _print_summary(self): print(\n 整体评估结果 ) for metric, values in self.metrics.items(): if metric in [TP, FP, FN]: print(f总{metric}: {np.sum(values)}) else: print(f平均{metric}: {np.mean(values):.4f} ± {np.std(values):.4f}) # 使用示例 if __name__ __main__: evaluator HovernetEvaluator( pred_dirpath/to/predictions, gt_dirpath/to/ground_truth ) evaluator.evaluate_all()这个评估系统在实际项目中表现出色特别是在处理CoNSeP数据集时能够准确反映模型在细胞核分割任务上的真实性能。