二、我只取其他人论文的模型部分，然后把所有对比算法模型都放在一个框架下跑，全部设置一样的超参数等。也就是除了模型(比如ResNet、DenseNet、PresNet、YOLO等等)不一样，其它所有参数等保持一致。一、直接下载别人论文的代码，然后更换为自己需要的数据集，将结果记录，作为对比算法。欢迎大家留言讨论论文中SOTA模型对比时超参是怎么设置的，如能附上论文举例更好😊。

[

我们提出了SegVol，一个交互式的通用体医学图像分割的基础模型。该模型是使用25个开源数据集开发和评估的。与最强大的传统体积分割方法nnU-net[9]不同，它会自动为每个数据集配置设置，SegVol的目的是将各种体积分割数据集统一到一个单一的架构中。在超过200个解剖目标产生准确的反应。此外，与传统方法相比，SegVol具有最先进或接近最先进的体积分割性能[5-10]，特别是对于病变解剖目标。

二、我只取其他人论文的模型部分，然后把所有对比算法模型都放在一个框架下跑，全部设置一样的超参数等。也就是除了模型(比如ResNet、DenseNet、PresNet、YOLO等等)不一样，其它所有参数等保持一致。一、直接下载别人论文的代码，然后更换为自己需要的数据集，将结果记录，作为对比算法。欢迎大家留言讨论论文中SOTA模型对比时超参是怎么设置的，如能附上论文举例更好😊。

我们提出了SegVol，一个交互式的通用体医学图像分割的基础模型。该模型是使用25个开源数据集开发和评估的。与最强大的传统体积分割方法nnU-net[9]不同，它会自动为每个数据集配置设置，SegVol的目的是将各种体积分割数据集统一到一个单一的架构中。在超过200个解剖目标产生准确的反应。此外，与传统方法相比，SegVol具有最先进或接近最先进的体积分割性能[5-10]，特别是对于病变解剖目标。

二、我只取其他人论文的模型部分，然后把所有对比算法模型都放在一个框架下跑，全部设置一样的超参数等。也就是除了模型(比如ResNet、DenseNet、PresNet、YOLO等等)不一样，其它所有参数等保持一致。一、直接下载别人论文的代码，然后更换为自己需要的数据集，将结果记录，作为对比算法。欢迎大家留言讨论论文中SOTA模型对比时超参是怎么设置的，如能附上论文举例更好😊。

[

我们提出了SegVol，一个交互式的通用体医学图像分割的基础模型。该模型是使用25个开源数据集开发和评估的。与最强大的传统体积分割方法nnU-net[9]不同，它会自动为每个数据集配置设置，SegVol的目的是将各种体积分割数据集统一到一个单一的架构中。在超过200个解剖目标产生准确的反应。此外，与传统方法相比，SegVol具有最先进或接近最先进的体积分割性能[5-10]，特别是对于病变解剖目标。

二、我只取其他人论文的模型部分，然后把所有对比算法模型都放在一个框架下跑，全部设置一样的超参数等。也就是除了模型(比如ResNet、DenseNet、PresNet、YOLO等等)不一样，其它所有参数等保持一致。一、直接下载别人论文的代码，然后更换为自己需要的数据集，将结果记录，作为对比算法。欢迎大家留言讨论论文中SOTA模型对比时超参是怎么设置的，如能附上论文举例更好😊。

我们提出了SegVol，一个交互式的通用体医学图像分割的基础模型。该模型是使用25个开源数据集开发和评估的。与最强大的传统体积分割方法nnU-net[9]不同，它会自动为每个数据集配置设置，SegVol的目的是将各种体积分割数据集统一到一个单一的架构中。在超过200个解剖目标产生准确的反应。此外，与传统方法相比，SegVol具有最先进或接近最先进的体积分割性能[5-10]，特别是对于病变解剖目标。