BraTS2021 + nnU-Net配置

最新推荐文章于 2024-06-09 09:56:05 发布

MrTinTin

最新推荐文章于 2024-06-09 09:56:05 发布

阅读量2.6k

点赞数 2

分类专栏：医学图像分割文章标签：计算机视觉

本文链接：https://blog.csdn.net/mrtintin/article/details/121168711

版权

本文档介绍了如何配置BraTS2021挑战赛的数据集以适应nnU-Net模型。内容包括nnU-Net的GitHub链接，BraTS2021数据集在Kaggle的获取方式，apex和hiddenlayer库的安装，数据集的格式调整（如标签重编号和坐标原点对齐），以及如何自动生成dataset.json文件和进行预处理步骤。

摘要由CSDN通过智能技术生成

nnUnet：https://github.com/MIC-DKFZ/nnUNet

BraTS2021: BRaTS 2021 Task 1 Dataset | Kaggle

apex安装

git clone https://github.com/NVIDIA/apex
cd apex
pip install -v --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./

hiddenlayer安装

pip install --upgrade git+https://github.com/FabianIsensee/hiddenlayer.git@more_plotted_details#egg=hiddenlayer

将下载的BraTS2021数据集整理成nnU-Net所要求的格式。

除去命名规范和文件夹整理规范外，还有两个学生要注意的点。一个是标签必须连续标号（原数据集标签为0，1，2，4，需修改为0，1，2，3）。还有一个是坐标的原点对齐，需要将训练集的坐标原点设置为（0，0，

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

MrTinTin

关注关注

2
点赞
踩
27

收藏

觉得还不错? 一键收藏
5
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

医学图像分割论文:Two-Stage Cascaded U-Net: 1st Place Solution to BraTS Challenge 2019 Segmentation Task

jlch5555的博客

07-30

2472

医学图像分割论文:Two-Stage Cascaded U-Net: 1st Place Solution to BraTS Challenge 2019 Segmentation Task Auther: Zeyu Jiang, Institution:South China University of Technology, Publish year: 2020 论文地址：https://sci-hub.tw/10.1007/978-3-030-46640-4_22 Key point: 提出了end-

MICCAI_BraTS2018\2019\2020数据集全部.txt

12-12

提供MICCAI_BraTS2018\2019\2020数据集百度网盘链接

5 条评论您还未登录，请先登录后发表或查看评论

BraTs2021数据集下载方法

weixin_49744683的博客

09-08

4446

BraTs2021数据集下载方法，以及kaggle注册没有验证码的解决方法

nnUnet+braTS2021使用代码解析

m0_46520208的博客

03-23

7111

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.

BraTS2021脑肿瘤分割实战

热门推荐

weixin_44858814的博客

06-23

3万+

脑肿瘤分割是MICCAI所有比赛中历史最悠久的，到2021年已经连续举办了10年，参赛人数众多，是学习医学图像分割最前沿的平台之一。简介：胶质母细胞瘤和具有胶质母细胞瘤分子特征的弥漫性星形细胞胶质瘤（WHO 4 级星形细胞瘤）是成人中枢神经系统最常见和最具侵袭性的恶性原发性肿瘤，在外观、形状和组织学上具有极端的内在异质性。胶质母细胞瘤患者的预后非常差，目前的治疗标准包括手术，然后是放疗和化疗。国际脑肿瘤分割（BraTS）挑战赛自2012年以来一直在运行，评估了用于mpMRI扫描中脑肿瘤图像分析的最先进的

BraTS 2021脑肿瘤分割数据集介绍

CarryEKAIruiui的博客

03-08

1万+

本文详细介绍了BraTS 2021脑肿瘤分割数据集，介绍了该数据集中的数据和标签特点、官方制定的评价指标，并在文末给出了论文和数据集的下载链接。

学习记录——brats数据处理

root_F的博客

05-22

851

数据读取 if overwrite or not os.path.exists(config["data_file"]): training_files = fetch_training_data_files() write_data_to_file(training_files, config["data_file"], image_shape=config["image_shape"]) data_file_opened = open_data_file(config["data_f

#科研笔记#关于用nnUNet对BraTS2020数据集进行训练

minitong111的博客

12-21

1147

# 在“DATASET”的文件夹下创建三个文件夹，分别命名为“nnUNet_raw_data_base”，“nnUNet_preprocessed”，“RESULT_FOLDER”；## 在“nnUNet_raw_data_base”文件夹下创建两个文件夹，分别命名为“nnUNet_raw_data”，“nnUNet_cropped_data”；并且，nnUNet采用了五折交叉验证，每次训练后都会得到一个模型，一共五个，对这五个模型在验证集上的性能进行评估，得到可靠的模型性能指标。

基于U-Net系列算法的医学图像分割（课程设计）

04-25

例如，BRATS、ISBI、LIDC-IDRI等是常见的医学图像分割数据集。它们为训练和评估图像分割算法提供了基础，帮助我们验证模型的性能和准确性。接下来，我们关注的是基于PyTorch实现的U-Net代码。PyTorch是一个流行的...

DoDNet:[CVPR2021] DoDNet

05-01

国防部网此仓库包含DoDNet的pytorch实现： DoDNet：学习从多个部分标记的数据集中分割多器官和肿瘤。（）要求 Python 3.7 PyTorch == 1.4.0 用法 0.安装克隆此仓库 git clone https://github.com/jianpengz/DoDNet.git cd DoDNet 1. MOTS数据集准备在开始之前，应该从服务性医疗器官和肿瘤分割数据集中重建MOTS 部分标签任务数据源肝肾肝血管胰腺冒号肺脾下载这些数据dataset/0123456/并将其放在dataset/0123456/ 。通过python re_spacing.py重新python re_spacing.py数据python re_spacing.py ，重新排列的数据将保存在0123456_spacing_same/ 。数据

BraTS模型：用于神经计算的项目，为BraTS数据集建立肿瘤分割和生存预测模型

03-02

布拉茨模型神经计算项目，为BraTS数据集建立肿瘤分割和生存预测模型

3DUnetCNN:Pytorch 3D U-Net卷积神经网络（CNN）设计用于医学图像分割

05-13

Ellis DG，Aizenberg MR（2021年），尝试使用开源深度学习框架对胶质瘤进行分割的U-Net培训修改。在：Crimi A.，Bakas S.（eds）脑损伤：脑胶质瘤，多发性硬化症，中风和脑外伤。《 BrainLes 2020》。计算机科学...

brats2021数据集

07-14

你想了解关于 BRATS2021 数据集的信息吗？BRATS（Brain Tumor Segmentation）是一个用于医学图像分割的数据集，用于进行脑肿瘤的分割任务。BRATS2021 是 BRATS 系列数据集的最新版本，其中包含来自多个医院的多模态 ...

#萌新日志#2. 使用BraTS 2020数据集训练nnUNet（多模态和单模态）

qq_45794210的博客

10-11

2万+

#萌新记录某些日子的学习经历。# 前言最近在跟着本科导师和课题组学长进行一项科研任务，学长手把手教我，我只是管中窥豹，还未能构建好整个科研任务的上帝视角。目前主要工作是使用BraTS 2020数据集训练nnUNet。对我来说这确实是新奇的体验，过程中我也遇到了一些实际问题，于是想记录一下。摘要主要活动基于ssh端口Linux操作系统，使用python脚本辅助处理数据集文件格式。使用BraTS 2020的4个模态以及单个模态训练nnUNet。 ...

DAE运行BraTS2021数据

weixin_52537055的博客

05-02

①参数noise_std=0.1。②参数noise_std=0.2。③参数noise_std=0.3。

如何自己的医疗图像分割数据集使用NNunet进行训练

qq_36340554的博客

10-20

1221

主要讲解怎么把自己的数据放到nnUnet进行训练，不涉及nnUnet的原理和推导讲解。

题目：深度学习解决方案：2021年脑肿瘤分割挑战赛获奖项目