Lifelong-nnUNet
让医学分割模型持续学习不遗忘，多数据集顺序训练不掉点
Lifelong-nnUNet 是一个基于 nnU-Net 的医学图像分割框架，专门解决传统分割模型在持续学习场景中的灾难性遗忘问题。它允许模型在多个医学影像数据集上顺序训练，而无需重新访问旧数据，同时保持对新旧任务的性能。核心能力包括：支持多种持续学习策略（如弹性权重巩固、知识蒸馏等）、提供统一的训练和评估接口、兼容 nnU-Net 的预处理和后处理流程。通过该框架，研究者可以方便地实验和比较不同持续学习方法在医学分割任务上的效果，推动医学影像模型在动态数据环境下的实用化部署。
开源
free
计算机视觉
GitHub 星标
★ 161
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类计算机视觉
开发团队MECLabTUDA
所属国家
定价模式free
价格说明开源项目，免费使用
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型continual-learning,image-segmentation,lifelong-learning,medical-image-segmentation,medical-imaging,nnunet,pytorch
GitHub 星标★ 161
30天Star增速
HF 下载量
上线时间2021-07-08 00:00:00
最近更新2026-06-04 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-12
浏览次数0
核心亮点
- 直接基于 nnU-Net 构建，无缝继承其强大的预处理和训练管线
- 内置多种持续学习算法，开箱即用，便于对比实验
- 针对医学影像场景优化，解决临床数据流式更新的实际需求
不足之处
- 项目处于早期阶段，文档和社区支持尚不完善
- 仅支持 PyTorch，未覆盖 TensorFlow 等其他主流框架
适用场景
- 医院影像科需要定期用新数据更新分割模型而避免旧任务性能下降
- 多中心医学研究项目需在多个数据集上顺序训练统一模型
- 学术研究比较不同持续学习策略在医学分割上的效果
替代项目
nnU-Net、Continual-Medical-Seg、Lifelong-Diffusion
项目介绍
上一篇：MuscleMap
下一篇：没有了！
同类项目推荐
manga-image-translator
开源
一键翻译漫画图片文字，自动抹除替换，阅读无国界
Translate manga/image 一键翻译各类图片内文字 https://cotrans.touhou.ai/ (no longer w···
Awesome-Try-On-Models
开源
一站式找到虚拟试穿最新论文和代码，快速上手。
A repository for organizing papers, codes and other resources related to Virtual Try···
opencv
开源
开箱即用的视觉算法库，搞定图像视频处理与识别
Open Source Computer Vision Library
lucida
开源
专治玻璃、迷彩等难抠图，保留关键细节
Background removal that keeps what matters: glass, camouflage, text, glow and line a···