无代码调整 JSON 计划，在 AutoPET II 挑战中优化 nnU-Net

本研究提出了一种综合方法FP-PET，用于医学图像分割，针对CT和PET图像。采用多种机器学习模型，包括STUNet-large、SwinUNETR和VNet，实现最先进的分割性能。引入综合评估指标，结合Dice分数、FPV和FNV，提供模型有效性的全面衡量。探讨了与模型训练相关的计算挑战和解决方案，以及预处理和后处理技术，包括高斯加权方案和形态学操作，以进一步优化分割输出。