# nv-segment-ct-finetune

Дообучает NV-Segment-CT VISTA3D на КТ-датасетах в NIfTI, включая fixed-channel softmax и трекинг в MLflow. Нужен, когда классы известны заранее.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1800 установок · ★ 3735
- Автор: NVIDIA MedTech
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/nv-segment-ct-finetune/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/nv-segment-ct-finetune

## Что делает

Скилл оборачивает апстримный entrypoint MONAI-бандла и запускает `scripts/run_finetune.py`. Руками писать обучение или инференс не нужно: скрипт сам раскладывает конфиги, гоняет MONAI и пишет `output.json` со схемой. На выходе — `finetuned_ckpt` и проверенный `result_json`.

Два режима. Обычный рабочий процесс остаётся, если нужны point prompts, классы выбираются на лету или метки могут пересекаться. `--softmax` берут, когда полный набор классов известен до обучения и каждый воксель — фон или ровно один класс. Совмещать `--softmax` с `--auto-seg` или `--sanity` нельзя. Для быстрой проверки есть `--smoke`, для воспроизведения MSD Task06 Lung Tumor — `--sanity`.

Что нужно заранее: Python 3.10+, Torch с CUDA для GPU-прогонов и пакеты из манифеста, в том числе `monai==1.4.0` и `numpy<2`. Для `--softmax` понадобится pinned-чекаут NVIDIA-Medtech: путь к `NV-Segment-CT` задаётся через `NV_SEGMENT_CT_ROOT`, либо `NV_SEGMENT_CTMR_ROOT` на соседнюю `NV-Segment-CTMR`. Трекинг в MLflow включается только именем эксперимента, а `--mlflow-tracking-uri` и `--mlflow-run-name` без него не работают. Это повод проверить окружение до запуска: на MONAI 1.5.x апстримная функция потерь падает на bool. Скилл не предназначен для клинической валидации.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill nv-segment-ct-finetune -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/nv-segment-ct-finetune/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/nv-segment-ct-finetune/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill nv-segment-ct-finetune -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/nv-segment-ct-finetune/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill nv-segment-ct-finetune -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/nv-segment-ct-finetune/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills nv-segment-ct-finetune
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/nv-segment-ct-finetune/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill nv-segment-ct-finetune -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/nv-segment-ct-finetune
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/nv-segment-ct-finetune/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill nv-segment-ct-finetune -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/NVIDIA/skills/tree/HEAD/skills/nv-segment-ct-finetune/SKILL.md

## Когда брать
- дообучить VISTA3D на своём КТ-датасете в NIfTI
- прогнать smoke-проверку пайплайна перед полным обучением
- воспроизвести MSD Task06 Lung Tumor через `--sanity`
- сопоставить метки датасета с классами VISTA3D через `--label-mapping`
- записать метрики и чекпоинты обучения в MLflow

## Примеры запросов агенту
- Запусти `scripts/run_finetune.py` на моём датасете с `--smoke`, покажи `output.json`
- Сделай fixed-channel softmax-дообучение: `--softmax --label-mapping '[[1,3],[2,13]]'`
- Включи MLflow для обучения: `--mlflow-experiment-name ct-finetune`

## Похожие
- [aws-ai-ml](https://affpapa.org/nevibecode/skills/aws-ai-ml.md) — скилл · 3500 установок
- [list-segment-builder](https://affpapa.org/nevibecode/skills/list-segment-builder.md) — скилл · 1000 установок
- [grpo-rlvr-training](https://affpapa.org/nevibecode/skills/grpo-rlvr-training.md) — скилл · 2600 установок
- [checkpoint-promotion](https://affpapa.org/nevibecode/skills/checkpoint-promotion.md) — скилл · 2600 установок
- [indexion-segment](https://affpapa.org/nevibecode/skills/indexion-segment.md) — скилл · 4900 установок
- [bailian-finetune](https://affpapa.org/nevibecode/skills/bailian-finetune.md) — скилл · 9200 установок

Из того же набора: [nvidia/skills](https://affpapa.org/nevibecode/by/nvidia/skills.md) — 178 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md