nnUNetv2用自己的数据集训练推理

有什么不懂的大家可以在评论区问我，我一定会积极回复哒！！！

一、环境配置

首先创建一个虚拟环境

conda create -n nnunet python=3.9
conda activate nnunet

然后在pytorch官网，安装pytorch，这里我安装的是2.1.2版本，numpy自动安装的是2.0.2版本，后面用的时候出错了，然后变成了1.24.1版本，这个版本是没错的。

conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1  pytorch-cuda=11.8 -c pytorch -c nvidia

在使用pip install -e .时，不要在nnUNet文件夹下创建其他文件夹，更改文件夹结构会导致报错

git clone https://github.com/MIC-DKFZ/nnUNet.git
cd nnUNet
pip install -e .

二、创建数据集

接下来我们退回到文件夹中，在nnUNet文件夹中创建一个新文件夹nnUNetFrame（该文件夹名称可以自拟）

在文件夹nnUNetFrame下再创建3个文件夹：如下

nnUNet_raw文件夹下存放数据集，数据集一定严格遵守源代码的格式，后缀是以_000x结尾的：

dataset.json文件就按照GitHub上给的实例换成自己的就行

设置环境变量，vim ~/.bashrc

export nnUNet_raw=path/to/nnUNet_raw
export nnUNet_preprocessed=path/to/nnUNet_preprocessed
export nnUNet_results=path/to/nnUNet_results

然后再source ~/.bahrc就可以了

三、数据集预处理

现在的nnunetv2不用再把所有的数据集格式转换成 .nii.gz 。

默认情况下，支持以下文件格式：

• NaturalImage2DIO：.png、.bmp、.tif
• NibabelIO：.nii.gz、.nrrd、.mha
• NibabelIOWithReorient：.nii.gz、.nrrd、.mha
• SimpleITKIO：.nii.gz、.nrrd、.mha
• Tiff3DIO：.tif，.tiff。

pycharm终端执行下列命令

nnUNetv2_plan_and_preprocess -d 001 --verify_dataset_integrity

在这条命令中，你只需要根据自己数据集命名的情况修改-d后面的参数就可以，比如我的数据集名称叫做Dataset001_dfc，那么-d后面跟的就是001，以此类推

出现如下就正确了

运行成功后，nnUNet_preprocessed中会出现如下内容

三、训练

然后修改一下训练epoch,我这里改成了200epoch

训练命令

2D训练指令如下：

nnU-Net默认使用5折交叉验证来训练所有U-Net配置

train后面的第一个数字为数据集编号，后面的2d为本次训练所使用的模型，2d后面的数字为第几折，因为使用的是五折交叉验证，所以需要训练5次，这里可以创建一个train.sh文件，直接执行bash train.sh就可以了

nnUNetv2_train 1 2d 0   
nnUNetv2_train 1 2d 1
nnUNetv2_train 1 2d 2   
nnUNetv2_train 1 2d 3   
nnUNetv2_train 1 2d 4   

这样就是开始训练了，差不多1分钟一个epoch

训练完之后nnUNet_results文件夹下就会出现如下所示：

四、验证

nnUNetv2_train 1 2d 0  --val --npz
nnUNetv2_train 1 2d 1  --val --npz
nnUNetv2_train 1 2d 2  --val --npz
nnUNetv2_train 1 2d 3  --val --npz
nnUNetv2_train 1 2d 4  --val --npz

五、推理

nnunet可以自己找寻最优模型并给出推理命令，使用如下命令自动寻找最优：

nnUNetv2_find_best_configuration 1 -c 2d -f 0 1 2 3 4

 稍等后会出现如下图所示

下面给出了推理命令和后处理命令，将-i 和-o后面的内容替换成自己的文件夹就可以，这样就完成了所有的训练和推理过程。

有什么不懂的大家可以在评论区问我，我一定会积极回复哒！！！