Grand Challenge 插件合集（共 16 个）

【脊柱Cobb角测量算法（cobb-angle-algorithm）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   基于脊柱X线影像自动测量Cobb角的算法，用于评估脊柱侧弯程度并输出结构化的测量结果。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/cobb-angle-algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「脊柱Cobb角测量算法」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/cobb-angle-algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【算法容器示例模板（demo-algorithm-template）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   Grand Challenge平台提供的算法容器模板，展示Docker镜像与接口约定的基本结构，供开发者快速起步。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/demo-algorithm-template
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「算法容器示例模板」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/demo-algorithm-template
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【演示挑战赛打包（demo-challenge-pack）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   演示用挑战赛的打包配置，包含数据与评分等结构示例，帮助主办方搭建和测试自己的挑战赛。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/demo-challenge-pack
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「演示挑战赛打包」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/demo-challenge-pack
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【LEOPARD挑战提交示例（LEOPARD-challenge-submission-example）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   LEOPARD挑战赛的提交示例工程，演示组织算法提交所需的文件、目录与配置结构。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/LEOPARD-challenge-submission-example
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「LEOPARD挑战提交示例」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/LEOPARD-challenge-submission-example
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【TIGER病理算法示例（pathology-tiger-algorithm-example）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   TIGER病理挑战赛的示例算法与Docker配置，演示如何打包并提交病理图像分析算法。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/pathology-tiger-algorithm-example
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「TIGER病理算法示例」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/pathology-tiger-algorithm-example
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【PI-CAI半监督nnDetection算法（picai_nndetection_semi_supervised_gc_algorithm）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   基于半监督nnDetection的模型，在bpMRI上完成3D临床显著前列腺癌检测与诊断，可部署于grand-challenge.org。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/picai_nndetection_semi_supervised_gc_algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「PI-CAI半监督nnDetection算法」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/picai_nndetection_semi_supervised_gc_algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【PI-CAI nnUNet前列腺算法（picai_nnunet_gc_algorithm）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   基于nnUNet的模型，在bpMRI上进行3D临床显著前列腺癌检测与诊断，可部署到grand-challenge.org平台。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/picai_nnunet_gc_algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「PI-CAI nnUNet前列腺算法」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/picai_nnunet_gc_algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【PI-CAI半监督nnUNet算法（picai_nnunet_semi_supervised_gc_algorithm）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   采用半监督训练的nnUNet模型，在bpMRI上完成3D临床显著前列腺癌的检测与诊断，支持平台部署。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/picai_nnunet_semi_supervised_gc_algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「PI-CAI半监督nnUNet算法」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/picai_nnunet_semi_supervised_gc_algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【PI-CAI U-Net前列腺算法（picai_unet_gc_algorithm）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   基于U-Net的模型，在bpMRI上进行3D临床显著前列腺癌检测与诊断，可部署于grand-challenge.org。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/picai_unet_gc_algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「PI-CAI U-Net前列腺算法」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/picai_unet_gc_algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【PI-CAI半监督U-Net算法（picai_unet_semi_supervised_gc_algorithm）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   采用半监督训练的U-Net模型，在bpMRI上完成3D临床显著前列腺癌检测与诊断，支持平台部署。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/picai_unet_semi_supervised_gc_algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「PI-CAI半监督U-Net算法」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/picai_unet_semi_supervised_gc_algorithm
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【GC平台API客户端（rse-gcapi）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   面向grand-challenge.org接口的Python客户端，用于访问平台数据并自动化提交与评测工作流程。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-gcapi
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「GC平台API客户端」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-gcapi
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【DICOM去标识流程（rse-grand-challenge-dicom-de-id-procedure）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   面向Grand-Challenge.org的DICOM去标识操作流程定义，规范患者隐私数据的处理步骤，供审查与复用。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-grand-challenge-dicom-de-id-procedure
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「DICOM去标识流程」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-grand-challenge-dicom-de-id-procedure
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【DICOM去标识Python工具（rse-grand-challenge-dicom-de-identifier）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   使用预设流程对一组DICOM文件进行去标识处理的Python包，移除影像中的患者隐私信息。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-grand-challenge-dicom-de-identifier
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「DICOM去标识Python工具」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-grand-challenge-dicom-de-identifier
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【evalutils评测扩展工具（rse-grand-challenge-metrics）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   evalutils帮助用户为grand-challenge.org创建扩展，用于实现算法评测所需的指标计算与结果打分。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-grand-challenge-metrics
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「evalutils评测扩展工具」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-grand-challenge-metrics
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【医学影像转MHA与TIFF（rse-panimg）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   将医学影像转换为MHA与TIFF格式，便于在Grand Challenge平台上统一读取并进行后续处理。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-panimg
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「医学影像转MHA与TIFF」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-panimg
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【panimg影像模型定义（rse-panimg-models）安装教程】—— Grand Challenge

■ 前置条件
   · 算法类：Linux + Docker，Python 3.10+（官方打包工具 evalutils / panimg）。
   · 平台组件类：按仓库 README 准备对应环境。

■ 本组件是什么
   panimg的数据模型定义，描述影像转换过程中使用的数据结构，供相关扩展开发时引用。

■ 文件说明
   · 本目录共 1 个文件：压缩包（.zip）。
   · .zip 为官方仓库源码包，解压后按下面方式使用。

■ 使用步骤（算法容器）
   1. 解压本目录的包，进入仓库根目录。
   2. 按 README 安装依赖： pip install -r requirements.txt （或 pip install -e .）
   3. 用官方工具打包镜像： evalutils build （或按 README 里的 docker build 命令）。
   4. 在 grand-challenge.org 算法页面把镜像提交/上传，平台会自动跑推理。

■ 使用步骤（平台组件）
   1. 解压后按 README 用 docker compose 或 pip 安装运行。

■ 常用工具说明
   · evalutils / panimg：官方提供的算法打包与影像格式转换工具（本目录已含源码包）。
   · demo-algorithm-template：官方给的算法模板，照着它改自己的模型最快。

■ 常见问题
   · 打包失败：Docker Desktop 记得开；镜像内 Python 版本与 requirements 要对齐。
   · 提交后跑不出结果：输入输出接口必须按官方规范（算法要能被平台调用）。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-panimg-models
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「panimg影像模型定义」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/DIAGNijmegen/rse-panimg-models
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。