数据读取

if overwrite or not os.path.exists(config["data_file"]):training_files = fetch_training_data_files()write_data_to_file(training_files, config["data_file"], image_shape=config["image_shape"])
data_file_opened = open_data_file(config["data_file"])

config[“overwrite”] = True在main中调用调用函数fetch_training_data_files
把所有nii文件的路径都保存在training_files里
看下面的fetch_training_data_files()详解

def fetch_training_data_files(data_dir, return_subject_ids=True):training_data_files = list()subject_ids = list()for subject_dir in glob.glob(os.path.join(data_dir, "*", "*")):subject_ids.append(os.path.basename(subject_dir))subject_files = list()for modality in config["all_modalities"]+["truth"]:subject_files.append(os.path.join(subject_dir, modality + ".nii.gz"))training_data_files.append(tuple(subject_files))if return_subject_ids:return training_data_files, subject_idselse:return training_data_files

training_files包含训练数据文件的元组tuple列表。在每个元组tuple中，几种模式应该以相同的顺序列出。每个元组中的最后一项必须是带标签的图像（truth）。
例如：
[(‘sub1-T1.nii.gz’, ‘sub1-T2.nii.gz’, ‘sub1-truth.nii.gz’),
(‘sub2-T1.nii.gz’, ‘sub2-T2.nii.gz’, ‘sub2-truth.nii.gz’)]
write_data_to_file 功能是接收一组训练图像并将这些图像写入hdf5文件,在data文件中具体分析

config[“data_file”]是要将hdf5文件写入的位置。其定义为

config["data_file"] = os.path.abspath("brats_data.h5")#返回绝对路径
data_file_opened = open_data_file(config["data_file"])

最后用函数open_data_file()读取table文件的数据．

   __file__表示了当前文件的pathos.path.dirname((__file__)就是得到当前文件的绝对路径

os.path.join()函数：连接两个或更多的路径名组件

os.path.dirname(path)功能：去掉文件名，返回目录

先用os.path.dirname返回当前文件（夹）的绝对路径，再用join把他和data，preprocessed连接起来，最后用glob寻找其下的所有图像文件夹，并循环遍历

for subject_dir in glob.glob(os.path.join(os.path.dirname(__file__), "data", "preprocessed", "*", "*")):

创建一个子文件路径来保存preprocessed文件夹下各个图像文件夹里的nii文件的路径

config["all_modalities"] = ["t1", "t1ce", "flair", "t2"]
config["training_modalities"] = config["all_modalities"]

把所有的路径都加到training_data_files里并返回

subject_files.append(os.path.join(subject_dir, modality + ".nii.gz"))
training_data_files.append(tuple(subject_files))

————————————————
版权声明：本文为CSDN博主「liyihao76」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_38736504/article/details/106605903

学习记录——brats数据处理相关推荐

R语言数据处理学习记录--使用linkET包完成mental test
R语言数据处理学习记录–使用linkET包完成mental test 注:本文仅作为自己的学习记录以备复习查阅一简单介绍一下这个包依旧是来自于GitHub上,作者给出的介绍:linkET的目标是 ...
王爽 16 位汇编语言学习记录
以下为汇编学习记录,内容全部出自王爽的16位<汇编语言>,如有错误,可直接去查看原书. 汇编语言机器语言是机器指令集的集合,机器指令是一列二进制数字,计算机将其翻译成高低电平,从而使 ...
ML、DL、CNN学习记录3
文章目录 ML.DL.CNN学习记录3 Transfer Learning ML.DL.CNN学习记录3 # coding: utf-8 # Date:2020/8/15 19:16 # @Autho ...
R语言基础学习记录4：重要函数
时间: 2018-07-18(学习) 2018-07-22(学习记录) 教程:慕课网 <R语言基础> 讲师:Angelayuan 补充内容: R语言常用函数总结大全.gl()函数学习内容 ...
Java学习记录_1：MOOC《零基础学Java语言》课后习题解
Hey,我是寒水,一名大二学生,电子商务专业在读,正在学习Java中.我试图将在Java学习中遇到的一些困惑和最终的解答发在这个账号上,希望以此来激励我不要放弃学习! 在学习记录这个专题中,我收藏一些 ...
scrapy框架菜鸟学习记录
scrapy框架菜鸟学习记录 scrapy是一个为了爬取网站数据,提取结构性数据而编写的应用框架.其可以应用在数据挖掘,信息处理或储存历史数据等一系列的程序中.其最初是为了页面抓取(更确切的说,网络抓 ...
【记录】数据处理方法总结及实现
[记录]数据处理方法总结及实现背景数据增强作为前处理的关键步骤,在整个计算机视觉中有着具足轻重的地位: 数据增强往往是决定数据集质量的关键,主要用于数据增广,在基于深度学习的任务中,数据的多样性和 ...
三维荧光平行因子学习记录--（二）荧光区域积分（FRI）
三维荧光平行因子学习记录–(二)荧光区域积分(FRI) 注:本文仅作为自己的学习记录以备以后复习查阅所有步骤和代码参考知乎上两位大佬在这里po一下他们的主页: https://www.zhihu.c ...
IDL学习记录和Java调用IDL方法
IDL学习记录和Java调用IDL方法 2018年02月06日 08:32:02 回首1949 阅读数:385更多个人分类: 随想版权声明:乐呵乐呵得了 https://blog.csdn.net ...

学习记录——brats数据处理

数据读取

学习记录——brats数据处理相关推荐

最新文章

热门文章