图像分割论文(nnUNet):Automated Design of Deep Learning Methods for Biomedical Image Segmentation

图像分割论文:Automated Design of Deep Learning Methods for Biomedical Image Segmentation

Auther: Fabian Isensee, Institution:German Cancer Research Center, Publish year: 2020

论文地址：https://arxiv.org/abs/1904.08128v2

github: https://github.com/MIC-DKFZ/nnUNet

Key point:

深度学习在医学分割领域取得了重要的进展，但针对某个具体的分割任务设计方案时，要综合考虑数据集特征，硬件条件等方面的因素。常规的方案设计需要人工评估数据集特征，手动调参，会消耗大量人力物力资源。而nnUNet则提供了一个自适应通用医学分割框架，仅使用最基本的UNet-based网络结构，可以对多种数据集做到即插即用。
对于特定任务的设计需要专业知识和经验的支撑，即使小的错误会导致性能严重下降
而作者的贡献主要是：

1. 使用“数据指纹”（数据集的关键属性）和“管道指纹”（分割算法的关键设计选择）来配置分割框架的关键方法
2. 将领域知识浓缩为一组启发式规则，在考虑硬件约束的同时，利用数据指纹生成管道指纹，从而使他们之间的关系更明确。