nnUNet 使用不完全指南（下）

确定最好的 UNet 配置

当模型训练完成之后，使用下面的链接自动选择合适的 UNet 配置。

1

nnUNet_find_best_configuration -m 2d 3d_fullres 3d_lowres 3d_cascade_fullres -t XXX --strict

注意：五折交叉验证需要全部训练完成。同理 XXX 代表你的任务序号，–strict 参数代表即使配置不存在仍继续执行。

进行标签图的预测

nnUNet_find_best_configuration 会打印出你所需要的命令。当然你也可以手动选择 UNet 配置进行标签图的预测。命令如下：

1

nnUNet_predict -i INPUT_FOLDER -o OUTPUT_FOLDER -t TASK_NAME_OR_ID -m CONFIGURATION --save_npz

注意： 这里的 INPUT_FOLDER 也需要之前的文件结构和文件命名（如果之前已经设置好了，就不必修改了）。-o 代表输出目录， -m 代表所使用的 UNet 配置。 nnUNet 预测所使用的时间较长，需要耐心等待。

其他的一下细节

两阶段的 nnUNet 训练

首先要完成 3d_lowres 的五折交叉验证。也就是分别运行下面的命令：

1
2
3
4
5

nnUNet_train 3d_lowres nnUNetTrainerV2 TaskXXX_MYTASK 0 --npz
nnUNet_train 3d_lowres nnUNetTrainerV2 TaskXXX_MYTASK 1 --npz
nnUNet_train 3d_lowres nnUNetTrainerV2 TaskXXX_MYTASK 2 --npz
nnUNet_train 3d_lowres nnUNetTrainerV2 TaskXXX_MYTASK 3 --npz
nnUNet_train 3d_lowres nnUNetTrainerV2 TaskXXX_MYTASK 4 --npz

然后再进行两阶段的训练。

1

nnUNet_train 3d_cascade_fullres nnUNetTrainerV2CascadeFullRes TaskXXX_MYTASK FOLD --npz

继续训练

如果训练的一半意外停止了可以在原命令后添加 -c 参数继续训练。

多模态图像的训练

上面的例子说的都是单模态的 CT 图的训练，如果是多模态的图像（比如核磁图像），该怎么办呢？其实构建数据时，_0000 标签代表的就是第一个模态，如果是多模态，只需要继续添加 _0001 _0002 标签即可。（不要忘记修改dataset.json文件)

使用预训练的 nnUNet 模型

实际上， nnUNet 本身预训练完了一些模型供我们下载，所以它占用了任务号的前100。使用预训练的模型进行预测的方法比较简单，可以看这篇文章。