扩展nnU-Net即你所需要的一切
图像与视频处理
2022-08-24 v1 计算机视觉与模式识别
摘要
语义分割是医学图像计算中最热门的研究领域之一。也许令人惊讶的是,尽管nnU-Net的概念可追溯到2018年,它仍持续为各种分割问题提供具有竞争力的开箱即用解决方案,并常被用作挑战赛获奖算法的开发框架。在此我们使用nnU-Net参与AMOS2022挑战赛,该挑战赛附带一组独特任务:数据集不仅是有史以来创建的最大数据集之一并包含15个目标结构,而且竞赛要求提交的解决方案同时处理MRI和CT扫描。通过对nnU-Net超参数的仔细修改、在编码器中添加残差连接以及设计自定义后处理策略,我们能够在nnU-Net基线上大幅改进。我们最终的集成模型在所提供的训练案例的5折交叉验证中,任务1(CT)和任务2(CT+MRI)分别取得了90.13和89.06的Dice分数。
引用
@article{arxiv.2208.10791,
title = {Extending nnU-Net is all you need},
author = {Fabian Isensee and Constantin Ulrich and Tassilo Wald and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:2208.10791},
year = {2022}
}
备注
Fabian Isensee, Constantin Ulrich and Tassilo Wald contributed equally