大数据最新医学图像分割 3D nnUNet全流程快速实现_医学图像分割步骤

• 第一步：选择一个你能找的路径位置（这很重要），在这个位置打开终端，输入 git clone https://github.com/MIC-DKFZ/nnUNet.git，将nnUNet的代码下载到这个位置
• 第二步：终端内定位到下载的nnUNet文件夹 cd nnUNet，或者直接在对应位置打开终端
• 第三步：开始安装， pip install -e .

2 数据整理

2.1 数据存放形式

首先，nnUNet有自己的一套数据文件夹的存放格式，基本是这个形式：
DATASET，里面有三个文件夹：nnUNet_raw、nnUNet_preprocessed、nnUNet_trained_models，
nnUNet_raw里面有两个文件夹：nnUNet_raw_data和nnUNet_cropped_data

"""
创建nnuent的数据文件夹
"""
import os
path = r'\*/DATASET'      # 想要存放nnUNet数据、模型的地方
os.mkdir(os.path.join(path, 'nnUNet\_raw'))
os.mkdir(os.path.join(path, 'nnUNet\_preprocessed'))
os.mkdir(os.path.join(path, 'nnUNet\_trained\_models'))
os.mkdir(os.path.join(path, 'nnUNet\_raw', 'nnUNet\_raw\_data'))
os.mkdir(os.path.join(path, 'nnUNet\_raw', 'nnUNet\_cropped\_data'))

确定好存放数据的位置后，修改nnUNet代码里的paths.py文件，将原始的DATASET路径换成自己的：

PS：如果不改代码的话，则默认是需要设置环境变量的，即参考链接里的方式

2.2 数据集转换

① 在nnUNet_raw_data文件夹下创建自己的任务文件夹，格式：TaskXXX_任务名，比如Task101_PC
该文件夹下创建以下文件夹：imagesTr、imagesTs、labelsTr、labelsTs、inferTs，分别是训练数据、测试数据、训练标签、测试标签、测试集推理结果存放；其中前三个是必需要有的

② 把自己的数据集按上述方式放入nnUNet文件夹，注意数据名字需要改成名字_000X的nnUNet格式，X从0开始，代表数据模态
这里提供我处理时的代码，可以依据这个修改