【基于nnunet的深度学习医学图像分割网络的使用经验系列】_其二_Swin-UNTER, SegResNet, MedNext, LightM-UNet, U-Mamba, SAMed-优快云博客

本文链接：https://blog.youkuaiyun.com/heartrobot/article/details/146067068

ResEnc nnU-Net的使用

文章目录

前言

nnU-Net已经成为了很多医学图像分割网络的baseline。在nnU-Net的开源精神的指引下，一大批成熟的医学图像分割网络也纷纷开源，这对于医学图像分割领域的科研工作者是极大地利好。考虑到国内还没有成熟的nnU-Net的使用踩坑记录，本系列博客应运而生。以此记录我在使用nnU-Net和基于nnU-Net框架的各种开源医学图像分割网络的使用记录。

感谢TriALS challenge at MICCAI 2024，链接为“https://github.com/xmed-lab/TriALS”，一次性能够跑通大量以基于nnU-Net的主流医学图像分割网络，本文讲述基于该github的readme，进行使用的过程

预备条件：ubuntu22.04+nvidia5.6+cuda11.8

pip设置国内源
pip config set global.index-url https://pypi.mirrors.ustc.edu.cn/simple

安装Swin-UNTER, SegResNet, MedNext, LightM-UNet, U-Mamba, SAMed

环境配置与安装，命令直接来自https://github.com/xmed-lab/TriALS

git clone https://github.com/xmed-lab/TriALS
conda create -n TriALS python=3.10
conda activate TriALS
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
cd TriALS
pip install -e .

如果下载太慢导致安装失败，可以打开链接直接在网页下载后安装
或者参考该篇攻略 https://blog.youkuaiyun.com/vivisol/article/details/142100693
使用motrix下载器进行下载，该下载器亲测免费，速度快，而且几年前就停止更新了，挺好用的。将下载好的whl文件传到服务器上，之后安装

pip3 install 本地路径

在进行最后一步的时候，可能出现mamba-ssm无法安装的情况，这种时候，只能先放弃mamba-ssm的安装。
打开TriALS的目录下的setup.py文件，将mamba-ssm这一行注释，再运行

pip install -e .

之后，在路径

TriALS/nnunetv2/training/nnUNetTrainer/

将nnUNetTrainerLightMUNet.py，nnUNetTrainerUMambaBot.py和nnUNetTrainerUMambaEnc.py中的内容全部注释

测试MSD Liver Dataset数据集

未完待续