医学图像分割确实是个成熟领域，多器官分割、大模型（SAM、MedSAM）等工作层出不穷。但这不意味着没有研究空间——关键是找到真实的临床需求和未被充分探索的技术角度。

ITK-SNAP 4.4.0版本新增AI辅助分割功能，支持基于nnInteractive的交互式医学图像分割。该软件作为免费跨平台的医学影像处理工具，新增功能允许用户通过简单点击实现器官自动勾画，效果优于同类产品。安装需配置Python环境和GPU支持，提供本地和远程两种运行模式。本文详细介绍了软件安装、环境配置步骤及常见问题解决方案，并演示了AI分割功能的使用方法。新版本还增加了网格可视化和中文

经常在gihub上下载文件，但是发现这样clone下后不知道文件给放哪了？一般情况下会存放在命令行对应的目录下： win + R > cmd 查看命令行地址：这个地址就是你git后的地址。如果想要改变git后的存放地址也简单，先改变命令行的地址，在git clone文件，这里提供一个快捷的方式，在你目标文件夹下，shift+右键，选择打开powershell窗口，就会打开...

MONAIModel Zoo提供了一系列由社区开发的医学影像模型，采用格式。Monai Bundle 允许您轻松获取任何来自 MONAI Model Zoo 的模型并将其导入 MONAILabel。Model Zoo提供的模型包括MRI脑肿瘤分割，CT肺结节检测，病理细胞核分割分类，CT胰腺分割，MRI前列腺分割，CT肾脏分割，CT脾脏分割，MRI脑切片生成等20几个模型。后面会用单独的篇幅分别介

我们还研究了如果我们可以访问数据中的真实事件发生时间会发生什么情况，虽然这通常是不可能观察到的，但在这个假想的场景中，我们可以联系患者并找出事件发生的时间。因此，如果你想告诉人群中任何患者的预后或生存概率，我们只需在给定的时间，比方说50，查询当时的生存概率或y值，就可以知道两个人群中患者的生存概率的差异。因此，我们所做的是，我们能够使用生存数据来表示种群，我们根据这些数据建立了Kaplan-Me

此为教程笔记教程地址：https://study.163.com/course/courseMain.htm?courseId=1209401897感谢老师：城市数据团大鹏

深度学习训练中，不仅要注意显卡内存（Memory-Usage）的使用情况，还要注意GPU利用率（Volatile GPU-Util）问题。GPU利用率总是0，训练是不合理的，说明数据处理占用了非常多的时间。具体方案见：深度学习PyTorch，TensorFlow中GPU利用率较低，CPU利用率很低，且模型训练速度很慢的问题总结与分析...

使用 Cox 比例风险和随机生存森林估计原发性胆汁性肝硬化患者的生存风险欢迎来到第二门课程的最终作业！在这个作业中，你将使用生存数据以及线性和非线性技术开发风险模型。我们将使用一个包含原发性胆汁性肝硬化（pbc）患者的生存数据集。PBC 是一种由于肝内胆汁积聚（胆汁淤积）导致小胆管受损并排出肝内胆汁的疾病。我们的目标是了解不同因素对患者的生存时间的影响。

在本课程中，您将学习如何使用Harrell Concordance Index来评估生存模型的性能。在之前，您已经计算过常规的Concordance Index（C-index）。现在您将学习当您处理生存数据时如何修改这个计算方法。这个最终工具将允许您评估您所学到的生存模型。在本课中，我们将讨论使用Harrell C-Index评估生存模型的方法。我们已经看到了评估预后模型的设置。之前我们在研究一

该情况通常发生在非正常中断GPU下发生，如手动暂停了训练。然后发现，再一次训练的时候出现错误：RuntimeError: CUDA out of memory. Tried to allocate 736.00 MiB (GPU 0; 10.92 GiB total capacity; 2.26 GiB already allocated; 412.38 MiB free; 2.27 GiB re