【指南】5步掌握医学影像检测：nnDetection实战手册

01 框架速览：什么是nnDetection？

nnDetection是一个专注于3D医学影像检测的AI框架⚙️，能自动适配新数据集，无需手动调参。想象一下，给CT/MRI扫描图"贴标签"，它能帮医生快速定位病灶，简直是放射科医生的AI助手！

核心优势：

• 全自动化配置流程，小白也能上手
• 专为3D体数据优化，秒杀2D检测方案
• 内置12个医学数据集的训练指南📊

💡 技巧提示：框架名字里的"nn"可不是神经网络的缩写，而是"no manual intervention"的首字母，强调全自动特性哦！

02 环境搭建：3分钟装好战斗装备

2.1 克隆代码库

git clone https://gitcode.com/gh_mirrors/nn/nnDetection  # 获取最新代码
cd nnDetection  # 进入项目目录

2.2 安装依赖

pip install -e .  # 用editable模式安装，方便后续修改代码

📌 关键步骤：确保你的环境满足这些要求：

• Python 3.8+
• PyTorch 1.7+
• CUDA 10.2+（没有GPU？那训练会很慢哦）

03 目录解密：框架的五脏六腑

nnDetection/
├── nndet/           # 核心代码库（模型/训练/推理）
├── scripts/         # 快捷脚本（训练/预测一键启动）
├── projects/        # 数据集项目（含12个医学影像任务）
├── docs/            # 技术文档和结果图表
└── configs/         # 实验配置文件

重点模块解析：

• nndet/arch/：模型架构工厂🏭，各种检测网络任你选
• nndet/evaluator/：评估工具箱，自动生成FROC/CPM曲线
• scripts/train.py：训练入口，一行命令启动模型训练

💡 技巧提示：projects/目录下的Task016_Luna是肺结节检测经典案例，新手建议从这里入手！

04 快速上手：肺结节检测实战

4.1 准备数据

python projects/Task016_Luna/scripts/prepare.py  # 自动下载预处理LIDC数据集

4.2 开始训练

python scripts/train.py --config nndet/conf/train/v001.yaml  # 使用默认配置

4.3 推理预测

python scripts/predict.py --model_path ./output/models/  # 对新数据进行检测

📌 关键步骤：训练时会自动生成可视化结果，保存在docs/results/目录下，用浏览器打开就能看到酷炫的3D检测效果！

05 性能表现：看看AI医生的成绩单

nnDetection在LIDC肺结节检测任务上的表现超越多个经典算法：

图：不同算法在LIDC数据集上的CPM（左）和FROC（右）曲线对比，nnDetection（绿色）表现最优

06 常见问题：踩坑自救指南

Q: 训练时报OOM错误怎么办？

A: 试试减小configs/train/里的batch_size，3D数据吃显存很正常！

Q: 如何添加自己的数据集？

A: 参考projects/Task019_ADAM/的格式，主要需要准备标注文件和数据描述文件。

Q: 模型预测结果不理想？

A: 检查nndet/conf/prep/process.yaml中的预处理参数，调整窗宽窗位可能会有惊喜！

💡 技巧提示：遇到问题先看docs/目录下的官方说明，90%的问题都有解决方案！

进阶学习资源

1. 核心算法解析：nndet/arch/retina.py（RetinaNet 3D实现）
2. 配置文件详解：nndet/conf/config.yaml（框架总开关）
3. 数据集处理：nndet/io/prepare.py（数据预处理流水线）
4. 评估指标代码：nndet/evaluator/detection/froc.py（医学检测专用指标）