📋 项目概述

本项目实现了一个完整的眼底血管分割系统，包含数据预处理、模型训练、预测评估和可视化界面等功能。项目采用DeepLabV3+架构，支持多种预训练编码器，并提供了友好的GUI界面进行交互式预测。

🎯 主要功能

- **深度学习模型训练**：基于DeepLabV3+的血管分割模型
- **多种数据增强**：包含几何变换、颜色变换、噪声和模糊等多种增强策略
- **命令行训练**：支持参数调优、早停机制、模型保存等功能
- **GUI可视化界面**：基于PyQt5的用户友好界面
- **中文路径支持**：完全支持Windows中文路径
- **结果可视化**：生成训练曲线图和预测结果可视化

🏗️ 项目结构

```
深度学习的血管分割的眼底图像与分类识别/
├── archive/                    # 数据集目录
│   ├── train/                 # 训练数据
│   │   ├── Original/          # 原始图像 (600张)
│   │   └── Ground truth/      # 分割标签
│   └── test/                  # 测试数据
│       ├── Original/          # 测试图像 (200张)
│       └── Ground truth/      # 测试标签
├── src/                       # 源代码模块
│   ├── __init__.py           # 模块初始化
│   ├── data_loader.py        # 数据加载和预处理
│   ├── models.py             # 模型定义
│   ├── trainer.py            # 训练和评估
│   └── utils.py              # 工具函数
├── plots/                     # 训练图表保存目录
├── results/                   # 预测结果保存目录
├── config.py                  # 配置文件
├── train.py                   # 训练脚本
├── test.py                    # 测试脚本
├── gui.py                     # GUI界面
├── requirements.txt           # 依赖包列表
└── best_model.pth            # 最佳模型文件
```