当前位置：首页 > news >正文

nnunet入门之一 (CT图像分割)

news 2025/8/25 8:56:25

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