nnUNet V2修改网络——加入GHPA 模块

​更换前，要用nnUNet V2跑通所用数据集，证明nnUNet V2、数据集、运行环境等没有问题

阅读nnU-Net V2 的 U-Net结构，初步了解要修改的网络，知己知彼，修改起来才能游刃有余。

EGE-UNet 是 UNet 的一个变体，专为皮肤病变分割而设计。它在 UNet 的基础上引入了 GHPA 模块和 GAB 模块，分别用于多维度特征提取和多尺度信息融合。GHPA 运用多轴分组和 Hadamard 乘积机制，能从不同视角提取病理信息，而 GAB 则通过分组聚合和卷积操作，有效整合不同层次和尺度的特征。这种创新设计使得 EGE-UNet 不仅在 ISIC2017 和 ISIC2018 数据集上取得卓越的分割效果，还大幅降低了参数和计算成本，成为低资源环境下理想的分割模型。

EGE-UNet官方代码仓库： https://github.com/JCruan519/EGE-UNet

GHPA 模块的加入，有效解决了传统自注意力机制计算量大的问题。它通过分组的方式，将复杂的多头自注意力机制简化为线性复杂度的 Hadamard 乘积操作。GHPA 将输入特征按通道维度均分为四组，分别在高度-宽度、通道-高度和通道-宽度轴上进行 Hadamard 乘积注意力操作，最后一组则通过深度可分离卷积进行处理。这种多轴分组的设计，使得模型能够从不同视角提取特征，进一步提升了分割的准确性和鲁棒性。

一 准备工作

1. 安装dynamic-network-architectures

点击链接，将其clone到本地后，进入文件夹内，pip install -e . 即可（注意-e后有个点）。

二 修改思路

由于读者预期替换的网络不一定是本文替换的网络，且所用数据集不一定是本文所用数据集，所以
本文主要介绍如何修改网络，使修改后的nnU-Net V2可以正常训练，给读者提供实践样例，不会涉及评估指标。
在对相同网络结构进行修改时，读者往往会有不同的修改思路 😃。在这一过程中，请读者以成功运行代码、是否便于读者后续回顾作为考量标准，确定修改思路。

1. GPHA模块结构

GHPA模块先将特征图通过layernorm层，再沿着通道维度将特征图分割为4份，即4份b * （c//4） * h * w大小的特征图，其中三份进行三个维度的Hadamard乘积操作，最后一份则通过卷积进行处理：

Hadamard 乘积矩阵形状	维度方向
1 *