深入理解nnUNet项目中的plans文件配置-CSDN博客

本文链接：https://blog.csdn.net/gitblog_01009/article/details/148465380

深入理解nnUNet项目中的plans文件配置

nnUNet 项目地址: https://gitcode.com/gh_mirrors/nn/nnUNet

前言

nnUNet作为医学图像分割领域的标杆性框架，其"即插即用"的特性使其在各种数据集上都能展现出卓越的性能。然而，在实际应用中，我们往往需要根据特定数据集的特点对模型进行微调以获得更优的表现。本文将深入解析nnUNet中的plans文件配置，帮助用户理解如何通过调整这些配置来优化模型性能。

plans文件概述

plans文件是nnUNet框架中的核心配置文件，它定义了数据预处理、网络架构和训练过程中的各种参数。与早期版本相比，nnUNet V2中的plans文件功能更加强大，允许用户在不修改源代码的情况下进行更灵活的配置调整。

plans文件采用JSON格式，包含全局设置(Global settings)和局部设置(Local settings)两大部分：

全局设置详解

全局设置适用于plans文件中定义的所有配置项，主要包括：

强度统计信息：foreground_intensity_properties_by_modality记录了前景区域(不包括背景和忽略标签)的强度统计信息，用于CT数据的标准化处理。
图像读写器：image_reader_writer指定了用于读取和写入图像数据的类名，当需要处理特殊格式的图像文件时可以修改此项。
标签管理器：label_manager定义了处理标签的类，用户可以自定义标签处理逻辑。
数据转置设置：
- transpose_forward：定义数据转置顺序，确保分辨率最高的轴位于最后
- transpose_backward：定义反向转置顺序
元数据信息：
- original_median_shape_after_transp：转置后的中值形状
- original_median_spacing_after_transp：转置后的中值间距
- plans_name：内部使用的计划名称(不建议修改)
- experiment_planner_used：生成此文件的实验规划器
- dataset_name：对应的数据集名称(不建议修改)

局部设置详解

局部设置位于configurations键下，每个配置项都有独立的参数设置。主要配置项包括：

基础参数：
- spacing：目标空间分辨率
- patch_size：训练使用的patch大小
- data_identifier：预处理数据的唯一标识符
训练参数：
- batch_size：批量大小
- batch_dice：是否使用批量Dice损失
预处理相关：
- preprocessor_name：预处理类名
- use_mask_for_norm：是否使用非零掩码进行标准化
- normalization_schemes：各通道的标准化方案映射
重采样设置：
- 图像数据(resampling_fn_data)
- 概率图(resampling_fn_probabilities)
- 分割图(resampling_fn_seg)
- 每种重采样函数都有对应的参数设置
网络架构参数：
- network_arch_class_name：UNet类名(支持自定义架构)
- UNet_base_num_features：UNet基础特征数(默认为32)
- unet_max_num_features：最大特征数限制(3D为320，2D为512)
- conv_kernel_sizes：编码器各阶段的卷积核大小
- n_conv_per_stage_encoder：编码器每阶段的卷积层数
- n_conv_per_stage_decoder：解码器每阶段的卷积层数
- num_pool_per_axis：各轴的下采样次数
- pool_op_kernel_sizes：编码器各阶段的下采样核大小
级联配置：
- inherits_from：继承其他配置的设置
- previous_stage：级联中的前一阶段
- next_stage：级联中的下一阶段

实用配置示例

1. 增大批量大小

对于大型数据集，增大批量大小可能提升训练效果。可以通过继承现有配置并修改batch_size实现：

"configurations": {
  "3d_fullres_bs40": {
    "inherits_from": "3d_fullres",
    "batch_size": 40
  }
}

2. 使用自定义预处理器

如需使用自定义预处理器，可创建新配置并指定preprocessor_name：

"configurations": {
  "3d_fullres_my_preprocesor": {
    "inherits_from": "3d_fullres",
    "preprocessor_name": "MY_PREPROCESSOR",
    "data_identifier": "3d_fullres_my_preprocesor"
  }
}

注意：修改预处理需要重新运行预处理流程。

3. 修改目标分辨率

调整目标分辨率需要创建新配置并指定spacing：

"configurations": {
  "3d_fullres_my_spacing": {
    "inherits_from": "3d_fullres",
    "spacing": [X, Y, Z],
    "data_identifier": "3d_fullres_my_spacing"
  }
}

同样需要重新运行预处理。

4. 添加级联配置

以海马体数据集为例，演示如何添加级联配置：

"configurations": {
  "3d_lowres": {
    "inherits_from": "3d_fullres",
    "data_identifier": "3d_lowres",
    "spacing": [2.0, 2.0, 2.0],
    "median_image_size_in_voxels": [18, 25, 18],
    "patch_size": [20, 28, 20],
    "n_conv_per_stage_encoder": [2, 2, 2],
    "n_conv_per_stage_decoder": [2, 2],
    "num_pool_per_axis": [2, 2, 2],
    "pool_op_kernel_sizes": [[1, 1, 1], [2, 2, 2], [2, 2, 2]],
    "conv_kernel_sizes": [[3, 3, 3], [3, 3, 3], [3, 3, 3]],
    "next_stage": "3d_cascade_fullres"
  },
  "3d_cascade_fullres": {
    "inherits_from": "3d_fullres",
    "previous_stage": "3d_lowres"
  }
}