【深度学习入门到精通系列】nnU-Net论文解析

文章目录

• 1 摘要
• 2 介绍
• 3 方法
• • 3.1 预处理
  • 3.2 训练过程
  • 3.3 推理（Inference）
  • 3.4 后处理
• 4 总结

nnUnet虽然不是新的论文，但是这个框架效果很好。它并没有提出新的网络结构，没有抓人眼球的地方，仅依靠一些技巧，将分割任务进行了大统一，并在很多任务上得到了非常好的成绩上，可以看出作者的功底之深。

对于分割任务，从unet出来之后的几年里，其实在网络结构上已经没有多少的突破了，结构修改越多，反而越容易过拟合。因此作者认为更多的提升其实在于理解数据，并针对医学数据采用适当的预处理和训练方法。

本文将通过对nnUnet的论文进行研读，提取出其中提到的训练方法和技巧，分享给大家。

1 摘要

提出一种鲁棒的基于2D UNet和3D UNet的自适应框架nnUMet。作者在各种任务上拿这个框架和目前的STOA方法进行了比较，且该方法不需要手动调参。最终nnUNet得到了最高的平均dice。

2 介绍

提出问题：当前的医学图像分割被CNN的方法主导，但是在不同的任务上需要不同的

标签：分割,入门,网络结构,nnUnet,任务,训练方法,UNet,nnU,Net
来源： https://blog.51cto.com/u_14013325/2890579