nnUnet+braTS2021使用代码解析

代码来源：https://github.com/MIC-DKFZ/nnUNet

第一步：下载代码配置环境

下载好代码以后，配置所需要的环境（不详细说啦）

pip install -e.;pip install pillow==7.1.2;

第二步：设置数据集路径

1、首先建立一个dataset文件夹，下面有这几个文件夹

nnUNet_raw_data_base：这是 nnU-Net 找到原始数据并存储裁剪数据的地方。nnUNet_raw_data_base 的文件夹必须至少具有子文件夹 nnUNet_raw_data，而该子文件夹又包含每个任务的一个子文件夹。另外必须将原始数据转换为.nii.gz格式。

nnUNet_preprocessed：这是保存预处理数据的文件夹。训练期间也将从该文件夹中读取数据。

2、然后通过运行nnUNet/Task043_BraTS_2019.py at master · MIC-DKFZ/nnUNet · GitHub​​​​​​这个现成的脚本自动生成如下的示例结构。当然需要修改一下代码，尤其是原数据的路径，以及nnUNet_raw_data的路径。

cd /home/xuejie/wfy/nnUNet-master/nnunet/dataset_conversion
python Task043_BraTS_2019.py

示例结构：

nnUNet_raw/nnUNet_raw_data/Task043_BraTS2019
├── dataset.json
├── imagesTr
│   ├── la_003_0000.nii.gz
│   ├── la_004_0000.nii.gz
│   ├── ...
├── imagesTs
│   ├── la_001_0000.nii.gz
│   ├── la_002_0000.nii.gz
│   ├── ...
└── labelsTr
    ├── la_003.nii.gz
    ├── la_004.nii.gz
    ├── ...

    其中imagesTr是训练集，imagesTs是测试集（可空），imagesVal是验证集，labelsTr是训练集对应的分割结果，dataset.json保存整个任务数据的信息。

3、nnU-Net 依靠环境变量来了解原始数据、预处理数据和训练模型权重的存储位置。要使用 nnU-Net 的全部功能，必须设置以下三个环境变量：

在文本编辑器中打开文件后，将以下行添加到底部：

export nnUNet_raw_data_base="/home/xuejie/wfy/nnUNet-master/dataset/nnUNet_raw"
export nnUNet_preprocessed="/home/xuejie/wfy/nnUNet-master/dataset/nnUNet_preprocessed"
export RESULTS_FOLDER="/home/xuejie/wfy/nnUNet-master/dataset/nnUNet_trained_models"

路径需要换成对应的这三个文件夹的路径

4、运行：

nnUNet_plan_and_preprocess -t 043

-t后面跟的是你的任务号，这步预处理成功之后会在preprocessed下生成Task043_BraTS2019文件夹。

到现在数据集设置就完成啦！

第三步：运行

PYTHONIOENCODING=utf-8 nnUNet_train 3d_fullres nnUNetTrainerV2 043 4 --fp32

3d_fullres nnUNetTrainerV2——训练模型

043——任务号

4 ——五折交叉验证

就可以成功运行啦！

不过光看教程的话肯定不行，得自己一步步试错，欢迎大家和我交流奥！

参考：nnUNet使用教程（使用自己的数据训练自己的模型）_SetMaker的博客-CSDN博客_nnunet

#萌新日志#2. 使用BraTS 2020数据集训练nnUNet（多模态和单模态）_苏黎世下雪了吗的博客-CSDN博客_brats2020