Skeleton-Recall 的安装和配置教程
2025-05-24 23:44:50作者:羿妍玫Ivan
1. 项目基础介绍
Skeleton-Recall 是一个开源项目,其主要目标是通过一种新颖的损失函数——Skeleton Recall Loss,来增强计算机视觉中细管状结构的连通性保持和资源高效分割。这种损失函数特别适用于血管、神经、道路或裂纹等细管状结构的分割任务。项目主要使用 Python 编程语言实现。
2. 关键技术和框架
本项目基于 nnUNet 框架,并引入了以下关键技术:
- Tubed Skeletonization:一种在数据加载过程中对真实分割掩膜进行骨架化的方法,它通过二值化、骨架提取、管状膨胀和类别分配等步骤来构建骨架。
- Soft Recall Loss:一种软召回损失计算方法,它基于预测结果和预先计算的管状骨架之间的比较来评估连通性保持。
- 损失函数组合:Skeleton Recall Loss 可以与其他通用损失函数(如 Dice Loss、交叉熵损失)结合使用,以提高分割性能。
3. 安装和配置准备工作
在开始安装之前,请确保您的系统中已安装以下依赖项:
- Python(建议使用 Python 3)
- pip(Python 包管理器)
- Git(用于克隆仓库)
详细的安装步骤
以下是将 Skeleton-Recall 项目安装到您本地环境的详细步骤:
-
克隆项目仓库
打开命令行窗口,执行以下命令以克隆项目仓库:
git clone https://github.com/MIC-DKFZ/Skeleton-Recall.git
-
安装依赖项
切换到项目目录,安装项目所需的依赖项:
cd Skeleton-Recall pip install -e .
-
设置 nnUNet 环境
要使 Skeleton-Recall 在 nnUNet 框架上工作,您需要将一些文件复制到现有的 nnUNet 安装目录中。这包括:
nnUNetTrainerSkeletonRecall
类- 数据加载过程中的骨架化过程
- 自定义损失函数
- 损失函数组合
请参考项目文档,将这些文件复制到适当的位置。
-
配置环境变量
nnU-Net 需要知道您打算保存原始数据、预处理数据和训练模型的位置。请按照以下指南设置环境变量:
# 示例设置环境变量,您需要根据实际情况设置这些值 export nnUNet_raw_data_base="/path/to/your/raw/data" export nnUNet_preprocessed_data_base="/path/to/your/preprocessed/data" export nnUNet_trained_models_base="/path/to/your/trained/models"
-
训练模型
当一切配置完成后,您可以使用以下命令来训练模型:
-
对于 2D 数据:
nnUNetv2_train DATASET_NAME_OR_ID 2d FOLD -tr nnUNetTrainerSkeletonRecall
-
对于 3D 数据:
nnUNetv2_train DATASET_NAME_OR_ID 3d_fullres FOLD -tr nnUNetTrainerSkeletonRecall
请替换
DATASET_NAME_OR_ID
和FOLD
为您的具体数据集和折数。 -
按照上述步骤操作,您应该能够成功安装和配置 Skeleton-Recall 项目。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8