看呐，无需代码：仅通过调整 nnU-Net 的 JSON 计划微调以参与 AutoPET II 挑战赛
图像与视频处理
2023-12-13 v2 计算机视觉与模式识别
摘要
我们通过仅修改 nnU-Net 易于理解和修改的 'nnUNetPlans.json' 文件来参与 AutoPET II 挑战赛。通过切换到带有残差编码器的 UNet、增大批量大小和增大块大小，我们获得了一个配置，其在牺牲更多模型训练计算需求的情况下大幅优于自动配置的 nnU-Net 基线（5 折交叉验证 Dice 分数 65.14 对比 33.28）。我们最终的提交集成了两种最有前景的配置。
引用
@article{arxiv.2309.13747,
title = {Look Ma, no code: fine tuning nnU-Net for the AutoPET II challenge by only adjusting its JSON plans},
author = {Fabian Isensee and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:2309.13747},
year = {2023}
}