目录 1. nnUNet 介绍 1.1 nnUNet 特点 2. 准备工作 2.1 整理数据格式 - 用自己的数据集 2.2 设置路径 2.3 nnUNet预处理数据 3. 训练 3.1 训练代码 ​编辑​编辑 3.2 训练结果 3.2.1 骰子系数 - 最差结果 - Worst Cases​编辑​编辑 3.2.2 骰子系数 - 最优结果 - Best Cases​编辑​编

1.前言 nnUnet原代码是在Linux下运行，如果现在windows下安装的话，会报各种错误，得改很多的地方，所以可以直接下载nnUnet_windows文件，这是我已经在windows上成功编译的版本，只要安装成功就可以直接运行。该链接中还包含apex安装包以及制作自己数据格式的代码。 nnUnet的版本是2021/7月更新的。 2.安装虚拟环境与Pytorch 最好要安装虚拟环境，否

nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation 摘要： The key design choices in this process are modeled as a set of fixed parameters, interdependent rules and

此为记录贴，逻辑混乱 仅供参考： 勿喷 nnUNet默认的学习率衰减方法为线性衰减，优化器为SGD，在.\nnUNet\nnunetv2\training\nnUNetTrainer\nnUNetTrainer.py文件中nnUNetTrainer基类中定义 如下： def configure_optimizers(self):optimizer = torch.optim.SGD(se

首先，需要安装nnUNet v2，注意2023年nnUnet更新了V2版本，做了许多改动。 1、数据集准备 下载百度飞桨的公共数据集 – Kits19肾脏肿瘤分割 - 飞桨AI Studio (baidu.com) 2、数据集结构化处理 在下载好数据以后，对数据进行处理。首先，先新建几个文件夹。 在nnUNet文件夹下，新建dataset。 然后在dataset中，新建四个文件夹如

NNUNet使用自定义医疗图像分割数据集进行分割训练 主要讲解怎么把自己的数据放到nnUnet进行训练，不涉及nnUnet的原理和推导讲解。 1、转换的思路。 从NNUNet的开源代码中可以看到，NNUnetV2已经支持了很多的数据格式。但是因为其底层的逻辑主要是解决医学十项全能的任务，所以对于医疗图像的分割，建议按照医学十项分割的数据格式准备你的数据，从而有利于执行后续的转换。下图列举了医