VIP14
本课程属于：011-医学影像AI分割检测与训练工程 生命科学与数字医疗 · 共 14 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

nnU-Net医学影像分割工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入与nnU-Net定位
目标=医学影像分割任务特点 · nnU-Net自配置范式 · 课程项目与数据准备总览
nnU-Net课程导入
02
医学影像数据格式与读取
目标=DICOM · NIfTI · NRRD格式解析
医学影像数据格式读取
03
nnU-Net数据集结构与转换
目标=Dataset001命名规范 · imagesTr/imagesTs/… · dataset.json字段含义与生…
nnU-Net数据集结构
04
图像预处理与归一化
目标=CT的HU窗口化 · MRI的z-score归一化 · 非零区域裁剪
图像预处理归一化
05
nnU-Net自动配置机制
目标=从数据集指纹推导patch s… · batch size · 网络拓扑与训练计划
nnU-Net自动配置机制
06
2D与3D网络架构选择
目标=2D U-Net · 3D fullres U-Net · 3D lowres U-Net
2D3D网络架构选择
07
损失函数与优化器
目标=Dice与交叉熵组合损失 · SGD with Nesterov · 学习率策略与权重衰减
损失函数优化器
08
数据增强策略
目标=随机旋转 · 缩放 · 弹性形变
数据增强策略目标=随机旋转
09
训练流程与命令行实战
目标=nnUNetv2_plan_a… · nnUNetv2_train · epoch与iteration概念
训练流程命令行实战
10
训练过程监控与调优
目标=TensorBoard曲线解读 · 过拟合与欠拟合判断 · 学习率与增强强度调整
训练过程监控调优
11
验证集划分与交叉验证
目标=5折交叉验证 · train/val split · 模型选择与防止数据泄漏
验证集划分交叉验证
12
推理与预测
目标=nnUNetv2_predic… · 滑动窗口推理 · 测试时增强TTA
推理预测
13
后处理与连通域分析
目标=nnUNetv2_apply_… · 去除小连通域 · 最大连通域保留
后处理连通域分析
14
评估指标与结果分析
目标=Dice · IoU · HD95
评估指标结果分析
15
自定义数据集完整实战
目标=从原始DICOM到nnU-Ne… · 推理 · 评估的全流程操作
自定义数据集完整…DICOM
16
类别不平衡与难例处理
目标=采样策略 · 损失加权 · 难例挖掘
类别不平衡难例处理
17
多模态与多通道输入
目标=多序列MRI · PET/CT融合 · 通道对齐与缺失模态处理
多模态多通道输入
18
小目标与细长结构分割
目标=高分辨率patch · 低分辨率分支 · 拓扑损失与边界损失引入
小目标细长结构分割
19
3D级联与两阶段分割
目标=粗定位到精细分割 · 级联网络训练 · 推理串联与误差传播控制
3D级联两阶段分割
20
模型集成与多折融合
目标=多折模型平均 · 多配置集成 · TTA融合
模型集成多折融合
21
迁移学习与预训练
目标=在医学影像上微调 · 冻结与解冻策略 · 小样本场景下的迁移效果
迁移学习预训练
22
半监督与自训练
目标=伪标签生成 · 一致性正则 · 教师学生模型
半监督自训练
23
域适应与跨中心泛化
目标=不同扫描仪与协议差异 · 直方图匹配 · 风格迁移
域适应心泛化
24
模型压缩与加速推理
目标=混合精度 · ONNX导出 · TensorRT优化
模型压缩加速推理
25
部署与工程化
目标=Docker封装 · REST API服务 · 批量推理流水线
部署工程化
26
nnU-Net源码结构解析
目标=nnunetv2目录组织 · Trainer类 · 网络构建
nnU-Net源码结构解析
27
自定义Trainer与损失函数
目标=继承nnUNetTrainer · 修改损失 · 添加新增强
Trainer自定义
28
自定义网络架构与模块
目标=替换编码器解码器 · 加入注意力模块 · 修改深度监督与输出头
自定义网络架构模块
29
常见错误与调试技巧
目标=显存不足 · 数据维度不匹配 · 标签值错误
常见错误调试技巧
30
综合项目与前沿展望
目标=完整医学分割项目复现 · 论文复现要点 · nnU-Net在挑战赛与临床中的最新…
综合项目前沿展望