在Kaggle Ultrasound Nerve Segmentation比赛中，使用Keras进行深度学习模型训练的详细步骤如下：

1. 首先，导入所需的库和数据集。在这里，我们使用了Keras库和Ultrasound数据集。

2. 加载数据并进行预处理。将数据集分为训练集和测试集，并对图像进行缩放、裁剪等预处理操作。

3. 定义卷积神经网络（CNN）模型。在Keras中，可以使用Conv2D、MaxPooling2D、Flatten等层构建CNN模型。在本例中，我们将使用一个5层ResNet-18模型作为基础网络。

4. 编译模型并设置超参数。设置学习率、批处理大小等超参数，并使用ImageDataGenerator类对图像进行数据增强。

5. 训练模型并评估性能。使用fit方法训练模型，并在验证集上评估模型的性能。

6. 使用测试集评估模型。将测试集上的预测结果与实际结果进行比较，以评估模型的准确性和鲁棒性。

7. 保存模型并进行可视化展示。将训练好的模型保存为文件，并在可视化工具中展示模型的结构图和预测结果。

通过以上步骤，我们可以使用Keras构建一个用于Ultrasound Nerve Segmentation比赛的深度学习模型，并实现模型的训练、评估和可视化展示。Deep Learning Tutorial for Kaggle Ultrasound Nerve Segmentation competition, using Keras