本站支持搜索的镜像仓库：Docker Hub、gcr.io、ghcr.io、quay.io、k8s.gcr.io、registry.gcr.io、elastic.co、mcr.microsoft.com

deepmi/vinna4neonates

容器化的VINNA4neonates包，提供基于深度学***的新生儿分割流程

0 次下载activedeepmi镜像

🚀轩辕镜像专业版更稳定💎一键安装 Docker 配置镜像源

中文简介版本下载

🚀轩辕镜像专业版更稳定💎一键安装 Docker 配置镜像源

VINNA4neonates Docker镜像文档

镜像概述和主要用途

VINNA4neonates Docker镜像是容器化的医学影像分析工具包，集成基于深度学***技术的新生儿分割流程。该镜像封装了完整的运行环境，可直接用于新生儿相关医学影像的自动化分割任务，简化部署流程并避免环境依赖冲突。

核心功能和特性

深度学驱动分割**：采用优化的深度学**算法，实现对新生儿医学影像的高精度区域分割
容器化设计：内置所有依赖组件，支持一键部署，无需手动配置复杂环境
标准化流程：提供端到端分割 pipeline，覆盖影像预处理、模型推理和结果输出
预训练模型集成：包含经过临床数据验证的预训练模型，开箱即可用于常见分割场景

使用场景和适用范围

使用场景

新生儿脑部MRI影像的结构区域分割（如灰质、白质、脑脊液）
新生儿胸部X光片的肺叶/心脏区域分割
新生儿全身CT影像的器官轮廓提取

适用范围

儿童医院及妇幼保健机构的临床影像辅助诊断
医学高校及研究机构的新生儿影像课题研究
医学AI企业的新生儿分割算法产品化开发

使用方法和配置说明

基本运行命令

docker run -v /本地数据路径:/workspace/data vinn4neonates:latest \
  --input /workspace/data/input \  # 输入影像目录（需挂载本地路径）
  --output /workspace/data/output \  # 输出结果目录（需挂载本地路径）
  --model_type neonatal_brain  # 指定分割任务类型

参数说明

参数名	描述	可选值	默认值
--input	输入影像文件/目录路径	容器内绝对路径（需通过-v挂载）	无（必填）
--output	分割结果输出目录	容器内绝对路径（需通过-v挂载）	无（必填）
--model_type	分割任务类型	neonatal_brain, neonatal_chest	neonatal_brain
--threshold	分割阈值（0-1）	0.1-0.9	0.5
--device	计算设备	cpu, cuda	自动检测（优先cuda）

环境变量配置

WORKERS：并行处理线程数，整数，默认：2（根据CPU核心数调整）
MEMORY_LIMIT：内存限制（GB），整数，默认：8（防止资源耗尽）
LOG_PATH：日志输出路径，默认：/workspace/logs/segment.log

数据格式要求

输入影像支持格式：DICOM（.dcm）、NIfTI（.nii/.nii.gz）
输出结果格式：NIfTI（.nii.gz）分割掩码文件，包含类别标签
推荐输入影像分辨率：≥256×256像素，层厚≤5mm

典型部署示例（docker-compose）

version: '3'
services:
  vinn4neonates:
    image: vinn4neonates:latest
    volumes:
      - /hospital/neonatal_images:/workspace/data
    environment:
      - LOG_LEVEL=INFO
      - BATCH_SIZE=2
    command: --input /workspace/data/input --output /workspace/data/output --model_type neonatal_brain