当前位置：首页 > article >正文

一文实现nnUNet v2 分割肾脏肿瘤数据集KiTS19

article 2025/9/15 17:40:31

首先，需要安装nnUNet v2，注意2023年nnUnet更新了V2版本，做了许多改动。

1、数据集准备

下载百度飞桨的公共数据集 – Kits19肾脏肿瘤分割 - 飞桨AI Studio (baidu.com)

2、数据集结构化处理

在下载好数据以后，对数据进行处理。首先，先新建几个文件夹。

在nnUNet文件夹下，新建dataset。

然后在dataset中，新建四个文件夹如下图所示，其中后三个用来存储nnunet数据和结果。dataset_conversion用来存储过程代码。

在nnUNet_raw文件中，新建文件夹Dataset040_KiTS。注意此处必须为Dataset，因为nnunetV1版本是task，v2改为了Dataset。然后在其中存放结构化处理后的数据。

然后在dataset_conversion文件中，新建一个py文件，用来生成对KiTS数据集做出描述的json文件dataset。（此处我还将其命名为Dataset040_KiTS）

代码内容如下：（此处参考博客nnUnet肾脏肿瘤分割实战(KiTS19)_宁远x的博客-CSDN博客，并做了一些改动）

import os
import json
import shutildef save_json(obj, file, indent=4, sort_keys=True):with open(file, 'w') as f:json.dump(obj, f, sort_keys=sort_keys, indent=indent)def maybe_mkdir_p(directory):directory = os.path.abspath(directory)splits = directory.split("/")[1:]for i in range(0, len(splits)):if not os.path.isdir(os.path.join("/", *splits[:i + 1])):try:os.mkdir(os.path.join("/", *splits[:i + 1]))except FileExistsError:# this can sometimes happen when two jobs try to create the same directory at the same time,# especially on network drives.print("WARNING: Folder %s already existed and does not need to be created" % directory)def subdirs(folder, join=True, prefix=None, suffix=None, sort=True):if join:l = os.path.joinelse:l = lambda x, y: yres = [l(folder, i) for i in os.listdir(folder) if os.path.isdir(os.path.join(folder, i))and (prefix is None or i.startswith(prefix))and (suffix is None or i.endswith(suffix))]if sort:res.sort()return resbase = "/root/data/wt/data/KiTS19/origin"  # 原始数据集路径
out = "/root/data/wt/nnUNet/dataset/nnUNet_raw/Dataset040_KiTS"  # 结构化数据集目录
cases = subdirs(base, join=False)maybe_mkdir_p(out)
maybe_mkdir_p(os.path.join(out, "imagesTr"))
maybe_mkdir_p(os.path.join(out, "imagesTs"))
maybe_mkdir_p(os.path.join(out, "labelsTr"))for c in cases:case_id = int(c.split("_")[-1])if case_id < 210:shutil.copy(os.path.join(base, c, "imaging.nii.gz"), os.path.join(out, "imagesTr", c + "_0000.nii.gz"))shutil.copy(os.path.join(base, c, "segmentation.nii.gz"), os.path.join(out, "labelsTr", c + ".nii.gz"))else:shutil.copy(os.path.join(base, c, "imaging.nii.gz"), os.path.join(out, "imagesTs", c + "_0000.nii.gz"))json_dict = {}
"""
name: 数据集名字
dexcription: 对数据集的描述
modality: 模态，0表示CT数据，1表示MR数据。nnU-Net会根据不同模态进行不同的预处理（nnunet-v2版本改为channel_names）
labels: label中，不同的数值代表的类别(v1版本和v2版本的键值对刚好是反过来的)
file_ending: nnunet v2新加的
numTraining: 训练集数量
numTest: 测试集数量
training: 训练集的image 和 label 地址对
test: 只包含测试集的image. 这里跟Training不一样
"""
json_dict['name'] = "KiTS"  
json_dict['description'] = "kidney and kidney tumor segmentation"
json_dict['tensorImageSize'] = "4D"
json_dict['reference'] = "KiTS data for nnunet"
json_dict['licence'] = ""
json_dict['release'] = "0.0"json_dict['channel_names'] = {"0": "CT",
}
json_dict['labels'] = {"background": "0","Kidney": "1","Tumor": "2"
}
json_dict['numTraining'] = len(cases)  # 应该是210例
json_dict['file_ending'] = ".nii.gz"
json_dict['numTest'] = 0
json_dict['training'] = [{'image': "./imagesTr/%s.nii.gz" % i, "label": "./labelsTr/%s.nii.gz" % i} for i in cases]
#json_dict['test'] = []
save_json(json_dict, os.path.join(out, "dataset.json"))

结构化处理的结果是在nnUNet_raw/Dataset040_KiTS文件下，生成四个文件。

分别是，训练数据（应该是210条），测试数据（90），训练标签(210)，数据说明。

3、设置数据路径

命令行，确保在nnunet激活环境下，输入vim ~/.bashrc，然后点击键盘insert开始插入，在bashrc文末，添加如下三行代码。然后按Esc键，输入：wq，就可以保存退出。

vim ~/.bashrc

'''
说明，这里是路径是你自己的路径，就是上一步创建的三个文件夹的路径（这部分说明不需要写进去，只需要以下三行代码）
'''
export nnUNet_raw="/root/data/wt/nnUNet/dataset/nnUNet_raw"
export nnUNet_preprocessed="/root/data/wt/nnUNet/dataset/nnUNet_preprocessed"
export nnUNet_results="/root/data/wt/nnUNet/dataset/nnUNet_trained_models"

然后命令行输入source ~/.bashrc，确保激活路径。

source ~/.bashrc

重点：然后分别键入三个echo $nnUNet_results，验证是否可以识别。不能识别，后续无法进行数据预处理。

最好三个都验证一下，避免后续出现问题。

4、数据集预处理

输入下面这行命令：

nnUNetv2_plan_and_preprocess -d 040 --verify_dataset_integrity

新旧版本不同，有的此处为t，有的为d，新版本应该用d，用t会发现显示没有此命令。

040表示KiTS分割任务在nnunet中，为第40个任务，代号040。

注意：可能会出现如下错误，不识别背景标签0。原因是v1和v2版本不同，dataset.json文件做出了改动。具体解决办法，见我的另一篇博客RuntimeError: Background label not declared (remeber that this should be label 0!)_路人八荒的博客-CSDN博客