安装环境

安装cuda, cudnn，已安装的检测cuda版本

检测cuda版本：
- nvcc -v
- cd /usr/local
- nvidia-smi（错误方式）
安装对应cuda版本的pytorch

验证

python -c 'import torch;print(torch.backends.cudnn.version())'
# 8005, 显示类似此内容

python -c 'import torch;print(torch.__version__)'
# 1.10.1+cu111, 显示类似此内容

安装nnUNet

# 安装nnunet
pip install nnunet
git clone https://github.com/MIC-DKFZ/nnUNet.git
cd nnUNet
pip install -e .

# 设置环境变量
vim ~/.bashrc
export nnUNet_raw_data_base="/root/nnUNet_raw_data_base"
export nnUNet_preprocessed="/root/nnUNet_preprocessed"
export RESULTS_FOLDER="/root/nnUNet_trained_models"
source ~/.bashrc

注意：nnUNet_preprocessed的路径要指向SSD上，否则的话，速度会慢很多。

安装hiddenlayer（可选）
```
pip install hiddenlayer
```

数据处理

文件夹目录

└─Task09_Spleen│  dataset.json│  ├─imagesTr│      spleen_2.nii.gz│      spleen_3.nii.gz│      spleen_6.nii.gz│      spleen_8.nii.gz│      spleen_9.nii.gz│      ...├─imagesTs│      spleen_1.nii.gz│      spleen_7.nii.gz│      ...└─labelsTrspleen_2.nii.gzspleen_3.nii.gzspleen_6.nii.gzspleen_8.nii.gzspleen_9.nii.gz...

json文件信息

nnUNet/nnunet/dataset_conversion/utils.py里面的函数generate_dataset_json可以生成相应任务的json文件。

{
"name": "Spleen",
"description": "Spleen Segmentation",
"reference": "Memorial Sloan Kettering Cancer Center",
"licence":"CC-BY-SA 4.0",
"release":"1.0 06/08/2018",
"tensorImageSize": "3D",
"modality": { "0": "CT"}, "labels": { "0": "background", "1": "spleen"}, "numTraining": 41, "numTest": 20,"training":[{"image":"./imagesTr/spleen_2.nii.gz","label":"./labelsTr/spleen_2.nii.gz"},{"image":"./imagesTr/spleen_3.nii.gz","label":"./labelsTr/spleen_3.nii.gz"},{"image":"./imagesTr/spleen_6.nii.gz","label":"./labelsTr/spleen_6.nii.gz"},{"image":"./imagesTr/spleen_8.nii.gz","label":"./labelsTr/spleen_8.nii.gz"},{"image":"./imagesTr/spleen_9.nii.gz","label":"./labelsTr/spleen_9.nii.gz"},...],"test":["./imagesTs/spleen_1.nii.gz","./imagesTs/spleen_7.nii.gz",...]}

注意："modality"一定要是CT，可以是小写。（因为不同的modality，归一化的方式不同）

转换数据
```
nnUNet_convert_decathlon_task -i /xxx/Task09_Spleen
```
转换的数据存在nnUNet_raw_data_base/nnUNet_raw_data/Task009_Spleen，唯一区别就是imagesTr和imagesTs里的文件名加了后缀"_0000"。

注意：此处Task09_Spleen变为Task009_Spleen。

预处理

# 只进行3d预处理，不进行2d预处理
nnUNet_plan_and_preprocess -t 09 -pl2d None

主要对数据进行预处理，包括Crop, Resample, Normalization等。

训练

如果训练断了，可以在命令行后面加-c继续训练。

Lowres训练

nnUNet_train 3d_lowres nnUNetTrainerV2 09 0

Fullres训练

nnUNet_train 3d_fullres nnUNetTrainerV2 09 0

Cascade训练

# 先训练完lowres的所有folds
nnUNet_train 3d_lowres nnUNetTrainerV2 09 0
nnUNet_train 3d_lowres nnUNetTrainerV2 09 1
nnUNet_train 3d_lowres nnUNetTrainerV2 09 2
nnUNet_train 3d_lowres nnUNetTrainerV2 09 3
nnUNet_train 3d_lowres nnUNetTrainerV2 09 4

nnUNet_train 3d_cascade_fullres nnUNetTrainerV2CascadeFullRes 09 0

测试

预测

# lowres预测
nnUNet_predict -i /root/nnUNet_raw_data_base/nnUNet_raw_data/Task009_Spleen/imagesTs -o /root/nnUNet_trained_models/nnUNet/3d_lowres/Task009_Spleen/nnUNetTrainerV2__nnUNetPlansv2.1/fold_0/infer -t 09 -m 3d_lowres

# fullres预测
nnUNet_predict -i /root/nnUNet_raw_data_base/nnUNet_raw_data/Task009_Spleen/imagesTs -o /root/nnUNet_trained_models/nnUNet/3d_fullres/Task009_Spleen/nnUNetTrainerV2__nnUNetPlansv2.1/fold_0/infer -t 09 -m 3d_fullres

# lowres预测
nnUNet_predict -i /root/nnUNet_raw_data_base/nnUNet_raw_data/Task009_Spleen/imagesTs -o /root/nnUNet_trained_models/nnUNet/3d_cascade_fullres/Task009_Spleen/nnUNetTrainerV2CascadeFullRes__nnUNetPlansv2.1/fold_0/infer -t 09 -m 3d_cascade_fullres

评价
```
nnUNet_evaluate_folder -ref labelsTs_dir -pred infer_dir -l 1
```
labelsTs_dir, 测试集的label；infer_dir, 测试集的预测mask。

如果是四分类，则-l 1 2 3

nnunet入门之一 (CT图像分割)相关推荐

nnU-Net: 基于U-Net医学图像分割技术的自适应框架
** nnU-Net: 基于U-Net医学图像分割技术的自适应框架 ** https://arxiv.org/pdf/1809.10486.pdf 作者:Fabian Isensee 提要 U-Net ...
三维重建阈值分割 3D可视化医学图像分割 CT图像分割及重建系统可视化编程技术及应用
一. 概述此系统实现了常见的VTK四视图,实现了很好的CT图像分割,可以用于骨骼,头部,肺部,脂肪等分割,,并且通过三维重建实现可视化.使用了第三方库 VTK,ITK 实现分割和生不重建. 窗口分为 ...
肺部CT图像分割及重建系统
一. 系统概况我们实现了一个系统,可以从CT图像中将肺部从胸腔中分离出来,并且通过三维重建实现可视化.该系统是基于Visual Studio 2013平台,借助VTK-7.0和Qt5.6开源库通过C ...
基于粒子群优化二维Otsu的肺CT图像分割算法
1.内容简介略 488-可以交流.咨询.答疑 2.内容说明随着大气污染的加剧和环境的破坏,肺癌患者急剧增加,肺癌成为危害人类健康最大的恶性肿瘤,因此肺癌治疗迫在眉睫.当前,肺肿瘤检查的主要方式 ...
Jetson Nano入门（图像分类+图像分割+人脸识别）
Jetson Nano入门(图像分类+图像分割+人脸识别) 一.认识Jetson Nano 二.Jetson Nano准备工作 1.配件 2.系统烧写三.Jetson平台软件资源测试功能 1. je ...
全球肝脏肿瘤病灶区CT图像分割挑战大赛，联想E-Health夺得冠军
本文讲的是全球肝脏肿瘤病灶区CT图像分割挑战大赛,联想E-Health夺得冠军,在近日结束的全球LiTS (Liver Tumor Segmentation Challenge,肝脏肿瘤病灶区CT图像 ...
【图像分割】基于模糊聚类FCM和改进的模糊聚类算法实现CT图像分割matlab代码
1 简介医学影像分割的基本目标是将图像分割成不同的解剖组织,从而可以从背景中提取出感兴趣区域.因为图像的低分辨率和弱对比度,实现医学影像分割是一件具有挑战的任务.而且,这个任务由于噪声和伪阴影变得更 ...
深度学习从入门到精通——图像分割之DeepLab系列算法
DeepLab系列算法图像分割传统做法解决方案参数计算图像金字塔 SPP-Layer 常用的多尺度提取方法 ASPP(atrous convolution SPP) deepLabv3+ 图像 ...
CT图像分割dicom文件与nii.gz文件预处理----窗宽（window width）和窗位（window level）的设置
最近被CT图像的值弄得很烦,记录一下. CT分割也是个很热门的话题,病灶分割,器官分割等. CT图像大多是两种格式.dcm和nii.gz,当然也有别的,但这里我就不说别的,就说这两种常用的. .dcm ...

nnunet入门之一 (CT图像分割)

目录

安装环境

数据处理

预处理

训练

测试

nnunet入门之一 (CT图像分割)相关推荐

最新文章

热门文章