nnunet

最新推荐文章于 2025-03-23 21:18:13 发布
最新推荐文章于 2025-03-23 21:18:13 发布
阅读量152 收藏
点赞数 1
分类专栏： 论文阅读 文章标签： 图像分割
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/xcy2014117129/article/details/143736503
版权

在这里插入图片描述

nnunet-pytorch转onnx
06-13
nnunet-pytorch 转 onnx nnunet-pytorch 转 onnx 是指将 PyTorch 模型转换为 ONNX 模型，以便于在 TensorRT 等平台上进行加速。以下是该过程中涉及到的知识点： 1. PyTorch 和 ONNX 的关系：PyTorch 是一个流行的...
官方分割模型nnUnet的github仓库项目
07-01
nnUNet是一个强大的开源框架，专门用于医学图像分割任务。这个框架由德国图宾根大学的计算机视觉与医学影像分析小组开发，旨在提供一个高效、灵活且易于使用的工具，帮助研究者和开发者处理复杂的医学图像分割挑战。...
nnunet安装
weixin_42193777的博客
09-10 929
nnunet安装
nnUNet
h201601060805的博客
03-25 1570
[2020_10_21] Update: We now have documentation for common questions and common issues. We now also provide reference epoch times for several datasets and tips on how to identify bottlenecks. Please read these documents before opening a new issue! nnU-Net I
nnUnet测试
qq_20373723的博客
12-07 3937
nnUnet跑自己的数据集，遥感数据
nnUNet使用文档
Eason___的博客
03-14 1057
nnunet基本使用文档
nnUNet保姆级使用教程！从环境配置到训练与推理（新手必看）
热门推荐
m0_68239345的博客
02-04 6万+
本人初步接触深度学习与医学图像分割领域，第一个项目就是运用nnUNet网络对BrainTumour的数据集进行分割，在学习的过程中，学了很多资料，踩了很多坑，也解决了很多bug，在此把自己的学习经验分享出来，希望有需要的同学可以少走一些弯路。 文章非常详细，对新手也很友好，欢迎大家一起学习分享。
nnunet复现
2301_81230251的博客
03-23 281
nnunet复现第一天
安装nnUNet
weixin_49178809的博客
08-02 1053
在D盘里直接新建一个文件夹命名为nnUNetFrame，然后在文件夹内cmd打开git clone https://github.com/MIC-DKFZ/nnUNet.git。会出现内存不够的报错，numpy.core._exceptions._ArrayMemoryError然后更改了虚拟页面大小，减少数据集。因为直接安装了python不想卸载了就没装anaconda，直接搜不用安装anaconda安装pytorch即可。这一步报错了，查了一下因为开了VPN端口被占用了，关了就行。
Nnunet训练
m0_51201528的博客
04-30 220
plan_and_preprocess_entrypoints.py 输入形参数据集ID ,运行该程序。查看cuda最高版本，安装适合版本torch和cuda。新建环境时关闭代理，不然可能会新建环境失败。直接在path.py输入指定数据集路径即可。形参为 7 3d_fullres 4。
【nnUNet】nnUNet的出现
qq_40041064的博客
09-04 1847
本文分享nnUNet的一些基本情况，以便更好的了解！1. nnUNet介绍nnU-Net是由德国癌症研究中心、海德堡大学以及海德堡大学医院研究人员(, Jens Petersen, Andre Klein)提出来的一个自适应任何新数据集的医学影像分割框架。该框架能根据给定数据集的属性自动调整模型结构、训练参数等，不需要人为干预。nnUNet包含了从数据预处理到模型训练、验证及测试的全流程自动化工具，大大简化了使用深度学习进行医学图像分割的复杂度。
nnUNet导出onnx
weixin_43789676的博客
10-24 332
参考自这个PR：https://github.com/MIC-DKFZ/nnUNet/pull/1826/commits。其他需要注意的是（也是我踩过的坑），导出onnx模型在其他框架下进行推理时，需确认预处理结果和nnUNet一致，比如。，其他流程，如强度归一化、patch_size，crop, spacingresample等也最好保持一致。下面是验证预处理后图像方向一致和预处理结果一致的代码，只适用于我自己的项目，具体使用可能还需要修改。
nnUnet_windows.rar
12-14
nnUnet是一个深度学习框架，专门用于医学图像分割任务，由德国图宾根大学的研究团队开发。这个框架基于TensorFlow，旨在提供一个高效、可扩展的解决方案，使得研究人员和开发者可以方便地处理复杂的医学图像分析问题...
NNUnet基于Windows环境推理阶段成功完成，总结
06-13
NNUnet基于Windows环境推理阶段成功完成，总结，NNUnet在推理测试时会涉及到多线程报错的问题，导致lambda匿名函数在序列化数据时会报错，所以要修改相应的代码。
基于nnUnet 3d-fullres训练的spine CT训练结果
10-20
nnUnet是一种基于深度学习的医学图像分割算法，其全称为“fully convolutional neural networks for universal image-to-image translation”，最初由Isensee等研究者提出。该算法针对医学图像的分割任务进行了专门...
在校大学生网络购物情况调查报告.doc
05-24
在校大学生网络购物情况调查报告.doc
【扩频通信】基于matlab m序列、Gold序列和Kasami序列扩频通信【含Matlab源码 13376期】.zip
05-24
Matlab领域上传的视频是由对应的完整代码运行得来的，完整代码皆可运行，亲测可用，适合小白； 1、从视频里可见完整代码的内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作
训练导控系统设计.zip
最新发布
05-24
训练导控系统设计.zip
员工出差流程参照网络.doc
05-24
员工出差流程参照网络.doc
nnUnet
04-18
### nnUNet 使用教程概述 #### 工具简介 nnUNet 是一种自动化的医学图像分割框架，能够处理多种模态的数据并提供高质量的分割结果。它通过自动化预处理流程、网络架构选择以及超参数优化来减少人工干预[^1]。 #### 数据准备 为了使用 nnUNet 进行训练或测试，需要按照特定结构组织数据集。以下是具体步骤： 1. 创建符合 BIDS (Brain Imaging Data Structure) 格式的原始数据目录 `nnUNet_raw`，并将标注文件存储在指定路径中。 2. 设置环境变量以定义预处理后的数据存储位置和模型保存路径。例如，在终端执行以下命令可以完成设置： ```bash export nnUNet_preprocessed="/path/to/preprocessed" export RESULTS_FOLDER="/path/to/results" ``` 上述操作可以通过脚本或者手动输入完成[^3]。 #### 训练过程 启动训练之前需确认依赖库已经正确安装。如果尚未安装，则可通过以下方式获取必要组件： ```bash git clone https://github.com/MIC-DKFZ/nnUNet.git cd nnUNet pip install -e . pip install --upgrade git+https://github.com/FabianIsensee/hiddenlayer.git@more_plotted_details#egg=hiddenlayer ``` 之后利用官方提供的 Python 脚本来发起训练任务。典型调用形式如下所示： ```python from nnunetv2.train import main as train_main train_main() ``` 实际应用时可能还需要传递额外参数来自定义行为，比如指定 GPU 设备编号等[^4]。 #### 测试评估 当模型训练完成后即可进入验证阶段。下面展示了一个简单的例子说明如何对比两组分割结果的质量： ```bash nnUNet_evaluate_folder \ -ref /home/work/nnUNet/nnUNetFrame/DATASET/nnUNet_raw/nnUNet_raw_data/Task001_BrainTumour/seg_0 \ -pred /home/work/nnUNet/nnUNetFrame/DATASET/nnUNet_raw/nnUNet_raw_data/Task001_BrainTumour/seg_p \ -l 1 2 3 ``` 这里 `-ref` 参数指向真实标签所在目录；而 `-pred` 则表示预测输出的位置；最后通过 `-l` 来列举感兴趣的类别标签[^1]。 #### 配置管理 除了基本功能外，nnUNet 还支持灵活调整各种选项满足个性化需求。这些自定义项通常记录在一个 JSON 文件里便于管理和分享[^2]。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值