MED AI/etc.

nnU-Net

MGD 2025. 6. 4. 10:40

기존 U-Net은 2015년 MICCAI 학히ㅗ에서 발표된 의료영상 세그멘테이션 전용 CNN 구조이다.

정확한 윤곽을 추출하기 위한 정밀 구조를 가진 네트워크 였다.

 

이에 U-Net 아키텍처를 "무조건 잘 돌아가게" 만들기 위한 자동화 프레임 워크로 nnU-Net이 고안되었다.

>> 즉, nnU-Net은 새로운 네트워크 구조 없이, dataset에 맞게 자동 최적화 된다.

 

 

항목 설명

항목 설명
Self-adapting 데이터셋마다 자동으로 아키텍처, 전처리, 학습 설정을 최적화
기존 U-Net 기반 복잡한 구조 추가 없이 2D, 3D, Cascade U-Net 구성 사용
자동 전처리 Resampling, Normalization 등 모두 자동으로 수행
Patch 기반 학습 GPU 한계에 맞게 슬라이스 단위로 학습, Test-time augmentation까지 포함
Ensemble + Cross-validation 5-fold CV 및 모델 앙상블로 일반화 성능 확보

 

 

 

 

 

 

 

🧬 구성 

  1. 3가지 U-Net 모델
    • 2D U-Net (slice-wise)
    • 3D U-Net (volumetric)
    • U-Net Cascade (저해상도 → 고해상도 refinement)
  2. 자동 전처리
    • CT/MRI modality 파악해서 intensity normalize
    • Voxel spacing 맞추기 (resample to median spacing)
  3. 학습 전략
    • Dice + CrossEntropy loss
    • 다양한 데이터 증강 (rotation, elastic, gamma 등)
    • 학습 중 learning rate 자동 감소
    • epoch 동안 성능 개선 없으면 stop
  4. 추론
    • Patch-based inference
    • Test-time augmentation + 모델 앙상블
  5. 후처리
    • Connected component analysis → 불필요한 작은 segmentation 제거

 

 

 

📊 성능 

  • Medical Segmentation Decathlon 10개 과제 중 대부분에서 온라인 리더보드 1위
  • 특히 다양한 해부학 구조와 이미지 모달리티에 대해 높은 일반화 성능 달성

 

 

 

 

 

기술적 튜닝 없이도
dataset에 맞춰 스스로 최적화되는,
매우 강력하고 실용적인 U-Net 프레임워크