再生医学网获悉， 德国海德堡大学Klaus H. Maier-Hein课题组开发出一种基于深度学习的生物医学图像分割方法。2020年12月7日，《自然—方法学》杂志在线发表了这项成果。

        研究人员开发了nnU-Net，这是一种基于深度学习的细分方法，可以自动进行自我配置，包括针对任何新任务的预处理、网络架构、训练和后处理。此过程中的关键设计选择被建模为一组固定参数、相互依赖的规则和经验性决策。无需人工干预，nnU-Net可以超越大多数现有方法，包括对国际生物医学分割竞赛中使用的23个公共数据集提供高度专业化的解决方案。研究人员将nnU-Net作为一个开箱即用的工具公开提供，通过不需要标准网络培训之外的专业知识或计算资源，即可让广大研究者使用。

        据介绍，生物医学成像是科学发现的驱动力，也是医疗保健的核心组成部分，并且受到深度学习领域的影响。尽管语义分割算法可以在许多应用程序中进行图像分析和量化，但是各个专用解决方案的设计并非易事，并且高度依赖于数据集属性和硬件条件。

        再生医学网将持续关注相关研究进展。

        （备注：图片源自网络。）