半月板疾病检测（YOLO11）

人工智能综合设计实训作业：基于 YOLO11m 的半月板 MRI 图像目标检测。

目录结构

4.半月板疾病预测/
├── train.py                  # 训练 + 测试集推理，生成 preds.csv
├── yolo11m.pt                # YOLO11m 预训练权重（已随仓库提供，无需联网下载）
└── dataset/meniscus_yolo/
    ├── meniscus.yaml         # 数据集配置（6 类）
    ├── images/train/         # 训练集 119 张
    ├── images/test/          # 测试集 21 张
    └── labels/train/         # YOLO 格式标注

类别：Healthy / Damaged_(A.M) / Damaged_(P.M) / Damaged_(A.L) / Damaged_(P.L) / Suspicious

运行环境

• Python 3.10+，PyTorch，ultralytics（pip install ultralytics）
• 魔搭（ModelScope）实例可直接使用预装 PyTorch 的 GPU 镜像

在魔搭实例上运行

git clone https://www.gitlink.org.cn/vchar/ai-course-meniscus.git
cd ai-course-meniscus
pip install ultralytics
python train.py

训练完成后自动对 images/test 推理，输出 preds.csv，列固定为：

image,class,score,x1,y1,x2,y2

提交该 CSV 至 http://ck.piclass.cn 评分（指标 ODF1）。

注意

• dataset/meniscus_yolo/meniscus.yaml 中的 path 字段为绝对路径，在新环境运行时需改为本地实际路径（或改为相对路径 .）。
• 训练产物 runs/、缓存 *.cache、预测结果 preds.csv 已被 .gitignore 忽略。