https://github.com/MIC-DKFZ/nnUNet/blob/master/documentation/training_example_Hippocampus.md
Example: 3D U-Net training on the Hippocampus dataset
这是一个循序渐进的示例,介绍如何使用来自医学分割十项全能的海马数据集Hippocampus dataset from the Medical Segmentation Decathlon进行3D全分辨率训练3D full resolution Training。
- 参照此处安装nnunet,确保所有路径都是对的,这一步是nnunet需要知道 raw data, preprocessed data and trained models数据存放在哪。
- 下载 Hippocampus dataset of the Medical Segmentation Decathlon数据集,并且解压缩到指定文件夹。
- Decathlon 数据采用4D niftis。这与nnU-Net不兼容,所以需要数据转换。
nnUNet_convert_decathlon_task -i /xxx/Task04_Hippocampus
要注意Task04_Hippocampus文件夹中必须包含
'imagesTr', 'labelsTr', 'imagesTs'三个子文件夹。 $nnUNet_raw_data_base/nnUNet_raw_data中存储转换后的数据, $nnUNet_raw_data_base是安装的时候指定的原始数据存放目录 -
可以使用一下命令获取nnU-Nets pipeline configuration和preprocessing
nnUNet_plan_and_preprocess -t 4
Hippocampus dataset的task ID是4
-
使用3d full resoltion U-Net在Hippocampus dataset上开始训练
nnUNet_train 3d_fullres nnUNetTrainerV2 4 0
默认使用5-fold cross validation,上面的命令将只运行第一次折叠(折叠0)的训练。4为 hippocampus dataset的task identifier,在GPU上训练一个折叠需要大约9个小时。有预先训练过的hippocampus task模型就不需要完成网络训练。
在自定义数据上完成训练唯一的要求就是保证输入数据,满足nnU-Net数据结构。如何转换参照此处。