nnU-Net v2 KiTS23

Это чекпоинт nnU-Net v2 (2.8.1) для 3D-семантической сегментации контрастно усиленной КТ брюшной полости. Автор — abhishek1402; обучение на KiTS23 v0.1.4, fold 0, конфигурация 3d_fullres. Выход — воксельные метки: 0 фон, 1 почка, 2 опухоль, 3 киста.

📝 Ключевые особенности

• 📝 Официальный nnU-Net v2, тренер nnUNetTrainer_100epochs_kaggle, только fold 0.
• 🤔 489 размеченных кейсов KiTS23; после исключения двух слишком больших whole-body сканов обучение шло на 341 кейсе.
• 👍 На 73 внутренних тестовых кейсах: mean Dice 0.722 (95% CI 0.665–0.777), mean surface Dice 0.596 (0.550–0.641).
• ⌨ Постобработка оставляет две наибольшие связные области переднего плана (26-connected); опубликованные метрики зависят от этого шага.
• 👎 Это research demo, не медицинское изделие: нельзя использовать для диагностики, планирования лечения или решений о пациенте.

😎 Пример

Сценарий: на вход подаётся 3D КТ брюшной полости, модель размечает почку, опухоль и кисту. Для запуска нужен nnunetv2==2.8.1, файл project23d_trainer.py в training/nnUNetTrainer/variants/ и постобработка из postprocessing.json.

Подробнее

Инференс на Kaggle T4: пик 4.5 ГБ VRAM и 12.7 ГБ RAM; полный режим с TTA — 442 с/скан, без TTA при tile step 0.75 — 103 с/скан.
Ограничения: маленькие опухоли Dice 0.324 против 0.835 у крупных; кисты практически не отделяются от опухолей (median Dice 0.000).
Тест — 73 внутренних кейса из публичных training-данных KiTS23, не скрытый challenge-набор; обучение короче стандартного nnU-Net.
Лицензия весов CC BY-NC-SA 4.0, только некоммерческое использование.