【深度学习 医学影像处理学习记录 #2】使用MONAI加载图片并构成DataSet、DataLoader

使用MONAI加载图片并构成DataSet、DataLoader

在处理医学数据时，最先遇到的问题就是如何加载数据，与普通的图片文件不同，医学影像数据集中提供的文件格式一般是.nii.gz格式的文件，使用MONAI可以很简单的加载这些文件，这里只记录自用的一种方式。

具体的问题

我使用的数据集是kit19，目录结构是case_??? > image.nii.gz & segmentation.nii.gz

具体思路

• 在网络要求输入三维数据时（代码中对应 datatype = “whole”）
  构成path字典，直接由文件位置生成Dataset
• 在网络要求输入二维数据时（代码中对应 datatype = “slice”）
  构成path字典，取出对应位置的三维数据后，对数据进行切片、采样，由二维数据list生成Dataset

其不同点在于monai.transforms.LoadImaged()方法后需不需要对载入的数据进行个性化处理

import monai.transforms
import os
from monai import transforms
import logging

"""
    利用MONAI加载.nii.gz格式的图片，并对图片进行预处理，并直接形成Dataset、DataLoader
"""

def get_dataloader(endindex, dataset_path, datatype="whole", startindex=1):
    logging.info("loading data")
    root_path = os.path.join(dataset_path)
    
    # 构建样本地址字典 将数据用
    # [{
    #    "image":f"{Image_Path}",
    #    "label":f"{Label_Path}"
    # },]
    # 的方式存储下来,这里仅展示数据单元的格式
    samples_path = []
    for i in range(startindex - 1, endindex):
        sample_path = {}
        imagefilename = 'case_' + str(i).zfill(5)
        img_path = os.path.join(root_path, imagefilename, 'imaging.nii.gz')
        seg_path = os.path.join(root_path, imagefilename, 'segmentation.nii.gz')

        sample_path['image'] = img_path.replace('\\', '/')
        sample_path['label'] = seg_path.replace('\\', '/')

        samples_path.append(sample_path)

    if datatype == "whole":
        # 构建transform，在使用MONAI生成Dataset的时候作为参数传入
        transform = transforms.Compose([
            transforms.LoadImaged(keys=("image", "label")),  # 由地址字符串到图片格式的必要transform
            transforms.EnsureChannelFirstd(keys=['image', 'label']),  # 确保通道在最前面，在加载数据为CT形式的时候最常用，实际作用为在1维上创建一个维度
            # 原图像的大小为D H W
            transforms.Resized(keys=['image', 'label'], spatial_size=(256, 256, 256)),  # 重设图片大小，等比例放大（不是裁切！）
            transforms.ToMetaTensord(keys=('image', 'label'))  # 转换为Tensor格式
        ])

        # 加载dataset
        dataset = monai.data.Dataset(samples_path, transform=transform)
        dataloader = monai.data.DataLoader(dataset, batch_size=4, shuffle=True, num_workers=4)
        return dataloader
    elif datatype == "slice":
        samples_slice = []  # 片状样本的list
        counter = 0
        # 对所有地址的数据进行处理
        for i in range(0, len(samples_path)):
            counter += 1
            logging.info(f"loading {counter}th data")
            # 加载体数据
            sample = transforms.LoadImaged(keys=("image", "label"))(samples_path[i])
            deep = sample["image"].shape[0]  # DHW
            # 分解体数据
            for j in range(0, deep, 10):
                sample_slice = {}  # 片状样本

                sample_slice["image"] = sample["image"][j]
                sample_slice["label"] = sample["label"][j]

                samples_slice.append(sample_slice)
        # 准备 transform
        transform = transforms.Compose([
            # 确保通道在最前面，在加载数据为CT形式的时候最常用，实际作用为在1维上创建一个维度
            transforms.EnsureChannelFirstd(keys=['image', 'label']),
            # 原图像的大小为D H W
            transforms.Resized(keys=['image', 'label'], spatial_size=(256, 256)),  # 重设图片大小，等比例放大（不是裁切！）
            transforms.ToMetaTensord(keys=('image', 'label'))  # 转换为Tensor格式
        ])

        dataset = monai.data.Dataset(samples_slice, transform=transform)
        dataloader = monai.data.DataLoader(dataset, batch_size=16, shuffle=True, num_workers=4, drop_last=True)
        return dataloader
    else:
        logging.debug("no such datatype!")