| labelsTs | test 训练集的label涂层(optional) |
| dataset.json | 文件信息,详见步骤五 |
特别注意,取名原则如下:
images里面在.nii.gz前要加入0000(代表是模态0,若有其他模态的就依次0001,这个数字在json文件里要有体现,比如0模态是CT,1模态是MRI,详情请见步骤6),label是同名文件,但没有0000,0001
不同于nnunet初代版本在nnUNet_raw里面不需要额外的 cropped
步骤五:数据集的转换与json文件
数据集转化这次没用上,就先不细说了,后续再补充
json文件相较nnunet初代版本改了好多。但考虑到其实写的比原先版本更简洁了,可以认为是件好事情吧:
我一开始用了初代的json惨遭报错:
标准格式的文件如下:
nnunetV2给了相应的脚本:
可参考:nnU-Net v2的环境配置到训练自己的数据集(详细步骤)_小萝北hh的博客-CSDN博客
其中labels 0,1,2,3请务必对应好!所有mask文件上出现的数字都要有归属,目前nnunet尚不支持重合的mask(即不同mask之间有交集)。对文件里mask数字位置的,可以打开python去读文件或者,ITK-SNAP读一下:ITK-SNAP Home (itksnap.org)")
Label1是红色,label2是绿色,则这层mask的矩阵,对应红色区域位置是1,绿色的是2,其余(background)是0
(备注:ITK-SNAP,包括python里面一些需要调用itk包,都是在路径中不能出现中文字,甚至“-”都不能出现,可以改用为“_”)
步骤六:修改环境变量(三个)
这一步即为重要,在服务器上面无法ctrl+H的打开.bashrc文件,一般的本地也需要修改环境变量,用这个方法应该也可以
需要用到vim
1、进入vim
vim ~/.zshrc
vim ~