nnUNet一个医学图像分割神仙算法

很多年之前接触过UNet的细胞分割，这次突然拿出来做一个三维的腿骨分割，突然有点不知所措了，可能我的技术只局限于二维的吧，经过一个月的研究差不多鼓捣明白了一点，欢迎有经验的大佬赐教一些知识，我这就写写我自己做的过程吧。

一 训练前的准备工作     

1. 算法框架搭建以及环境配置 

必要程序，环境就搞了我好多天，以为虚拟机就够了，结果配置还是不行，果断换成双系统，这个就不写了，网上太多了而且也不难，我以前都是用的虚拟机或者纯ubuntu系统没有装过，网上找了找一天也搞完了。

a.        操作系统：ubuntu18.04

           Ubuntu 18.04.6 LTS (Bionic Beaver)

b.         NVIDIA驱动：nvidia465.27（对应自己电脑配置在官网查看对应版本下载安装）

           NVIDIA 驱动程序下载

c.         pytorch:1.8.0                        Previous PyTorch Versions | PyTorch

            CUDA:11.1      

            CUDNN:11.1

     # CUDA 11.1     
       conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

d.        Annaconda3:python3.6.9     

            这个在官网下载很慢，下面链接差不多可以达到1MB/s，还是不错的，找到对应的python版本即可，没有非要跟我一样，看你自己用哪个版本但是不要太高也不要太低。

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

1. 整理数据:安装nnUNet

第一步：在home下创建nnUNetFrame文件夹，在此文件夹打开终端输入

               git clone https://github.com/MIC-DKFZ/nnUNet.git

第二步：进入 nnUNet 文件夹

第三步：终端输入 pip install -e .（如果报错那一定是环境配置不对，版本没有对应上）

第四步：回到上一级，创建一个名为DATASET 的文件夹，保证你的nnUNetFrame文件夹下有两个文件夹，nnUNet 是源码，DATASET就是用来放数据的地方.

第五步：终端进入DATASET，之后创建三个文件夹，nnUNet_raw 放要训练的数据，nnUNet_preprocessed放预处理完的数据，nnUNet_trained_models放训练结果。

第六步：终端进入nnUNet_raw，再创建两个文件夹，nnUNet_raw_data 为原始数据，nnUNet_cropped_data为crop以后的数据。

第七步：进入nnUNet_raw_data，创建一个名为 Task08_HepaticVessel的文件夹前面只是个ID编号，后面是分割项目名字，格式就是这样的，名字和编号可以根据自己项目修改。

第八步：自己的数据集放在上面创建好的文件夹下（也可以是下载好的）。

打开下载好的数据集你会看到，json文件，imagesTr是你的训练数据集，而labelsTr里时对应这个imagesTr的标签文件，同样为nii.gz。训练的时候imageTs文件夹可以先不管

 

1. 设置一下nnUNet读取文件的路径：

a：在home目录下ctrl + h，显示隐藏中的文件，

b：找到.bashrc文件，vim打开，

c：在末尾添加下面三行，保存文件。

export nnUNet_raw_data_base="/home/czc/nnUNetFrame/DATASET/nnUNet_raw"

export nnUNet_preprocessed="/home/czc/nnUNetFrame/DATASET/nnUNet_preprocessed"

export RESULTS_FOLDER="/home/czc/nnUNetFrame/DATASET/nnUNet_trained_models"

d：终端source .bashrc更新一下下。

二，准备开始训练

1.先转换一下数据集

这里我说一下我用自己的数据集训练的顺序，我用的是大腿骨数据，拿到之后有些不是dcm格式结尾的，所以要统一一下。

第一步：先统一改文件后缀为“.dcm”。

        因为我是大腿股骨和胫骨的分割，之后我想修改一下两部分的色差，这样训练完我就可以直接看出哪部分是股骨，哪部分是胫骨，因为原dcm文件内就是二值化的图片，里面只有0个1的值，所以我把dcm中512*512矩阵中的1改小了，颜色确实变成了灰色，和其他没改的0白色可以看出色差，但是保存后依然没有变化，鼓捣了很久没办法，所以……

第二步：把dcm格式文件转换为jpg格式。

        这样修改会导致原dcm格式中丢失很多信息，不过我就是训练图片，信息没有什么太必要。

第三步：修改股骨或者胫骨颜色另存。

        这个修改颜色也就是个修改RBG三通道的值而已。

第四步：把修改好的jpg和未修改的合并。

        因为要区分，而且我的股骨和胫骨是两个文件夹，所以就，修改其中一个就行。

 

第五步：把合并好的jpg转换回dcm。

        把两部分文件合并起来，并转换为dcm，不知道怎么转换的，我之前的资源里有。

 

第六步：添加tag信息到转换回的dcm文件内。

        因为之前转换为jpg时候丢失的一些信息，所以我想把一些信息再加进去。

第七步：把dcm文件转换成nii.gz。

         同样是找不到怎么转换可以用我资源里的软件，因为训练所需要的必须是nn.gz格式，之后把转换好的dcm文件夹直接拖到MRIcroGL软件内，点击File，在下拉框内点击Save Volume,保存类型选择nii.gz，名字根据自己的需求。

 之后使用nnUNet自带的脚本转换一下我们的数据集：

nnUNet_convert_decathlon_task -i /home/czc/nnUNetFrame/DATASET/nnUNet_raw/nnUNet_raw_data/Task08_HepaticVessel

之后在Task08_HepaticVessel旁边多了新文件夹Task008_HepaticVessel这就成功了

（如果转换显示未找到命令，运行一下pip install -U setuptools，如果还是不对那就检查一下环境配置是否是版本一致的，不然nnunet安装不上就没有这个默认命令）

数据预处理

nnUNet_plan_and_preprocess -t 8（使用自己的数据集预处理时间会很长，要做各种插值）

如果使用自己的训练集预处理之前最好加上--verify_dataset_integrity检查一下数据内的标签是否正确，因为json里面自己配置的labels中有标签，不对应上是没法开始训练的，会报一个CUDA error: device-side assert triggered的错误

1. 开始训练                                                                                                                                                    nnUNet_train 3d_fullres nnUNetTrainerV2 8 4（8为之前数据集的ID，4为五折交叉验证，可以改成0，1，2，3）
2. 训练结束

        /home/czc/nnUNetFrame/DATASET/nnUNet_trained_models/nnUNet，你会发现这个文件夹下会有一个Task008_HepaticVessel的文件夹，这个就是本次训练模型。

三，开始推理

1.创建推理后的文件夹：

创建一个存放推理结果的inferTs的文件夹。

nnUNet_predict -i /home/czc/nnUNetFrame/DATASET/nnUNet_raw/nnUNet_raw_data/Task008_HepaticVessel/imagesTs/ -o /home/czc/nnUNetFrame/DATASET/nnUNet_raw/nnUNet_raw_data/Task008_HepaticVessel/inferTs -t 8 -m 3d_fullres -f 4

        -t: 后跟着对应的ID；

        -f: 后代表使用几折交叉验证；

等待推理结束文件夹内是训练完结果的nn.gz文件，使用app打开即可查看结果。