语义分割是医学图像计算中最热门的研究领域之一。尽管 nnU-Net 的概念化可以追溯到 2018 年，但它继续为各种分割问题提供具有竞争力的开箱即用解决方案，并经常被用作挑战获胜算法的开发框架。在这里使用 nnU-Net 参加 AMOS2022（腹部多器官分割） 挑战赛，该挑战赛附带一组独特的任务：不仅数据集是有史以来最大的数据集之一，拥有 15 个目标结构，而且比赛还需要提交的解决方案来处理 MRI 和 CT 扫描。

通过仔细修改 nnU-Net 的超参数、在编码器中添加残差连接以及自定义后处理策略的设计，能够大大改进 nnU-Net 基线。在提供的训练案例的 5 倍交叉验证中，最终集成在任务 1 (CT) 和任务 2 (CT+MRI) 上的 Dice 得分分别为 90.13 和 89.06。

论文链接：

https://arxiv.org/abs/2208.10791

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除