脑胶质瘤二分类

最新推荐文章于 2022-12-14 11:58:16 发布

vanessa_lky

最新推荐文章于 2022-12-14 11:58:16 发布

阅读量841

点赞数

分类专栏：资料整理文章标签：学习

本文链接：https://blog.csdn.net/vanessa_lky/article/details/125926778

版权

资料整理专栏收录该内容

3 篇文章 0 订阅

订阅专栏

数据情况：brats（brain tumor segmentation)是MICCAI举办的脑部肿瘤分割比赛，本次数据采用Brats18数据集，brats 2018中的训练集( training set) 有285个病例，每个病例有四个模态(t1、t2、flair、t1ce)，需要分割三个部分。一个MR序列有155张图片，每张图片的大小为240x240。

HGG :高级别胶质瘤（WHO3～4级）为低分化胶质瘤；这类肿瘤为恶性肿瘤，患者预后较差。
LGG :低级别胶质瘤（WHO1～2级）为分化良好的胶质瘤；虽然这类肿瘤在生物上并不属于良性肿瘤，但是患者的预后相对较好。

本次实验采用其中T1序列实现HGG和LGG二分类。

数据预处理：3D切片成2D

import os
import SimpleITK as sitk 
import numpy as np
import imageio 
import nibabel as nib
from matplotlib import pylab as plt
import cv2
from PIL import Image 


Folder=r'E:\data\BraTS17\MICCAI_BraTS_2019_Data_Training\MICCAI_BraTS_2019_Data_Training'
subfolder=['HGG','LGG','image_HGG','image_LGG']
Path=Folder+"\\"+subfolder[1]
filename_list=os.listdir(Path)
for filename in filename_list:
    file_path =  Path+'\\'+filename+'\\'+filename+'_t1.nii.gz'
    src = sitk.ReadImage(file_path)
    array = sitk.GetArrayViewFromImage(src)
    
    seg_file_path =  Path+'\\'+filename+'\\'+filename+'_seg.nii.gz'
    seg_src = sitk.ReadImage(seg_file_path)
    seg_array=sitk.GetArrayViewFromImage(seg_src)
    
    filename=filename+'_t1.nii.gz'
    print(filename)
    # 找到病灶区域开始和结束的slice，并各向外扩张
    z = np.any(seg_array, axis=(1, 2))
    start_slice, end_slice = np.where(z)[0][[0, -1]]

    print("Cut out range:",str(start_slice) + '--' + str(end_slice))

    # 截取保留区域
    array = array[start_slice:end_slice + 1, :, :]
    seg_array = seg_array[start_slice:end_slice + 1, :, :]
    print("Preprocessed shape:",array.shape,seg_array.shape)
    
    for n_slice in range(array.shape[0]):
        
        cbct_slice = array[n_slice,:,:]
        #plt.imshow(cbct_slice, cmap='gray')
        #cbct_slice = ((cbct_slice - cbct_slice.min()) / (cbct_slice.max() - cbct_slice.min()))
        #cbct_slice = cbct_slice.astype("uint8")
        
        savepath = Folder+ "\\" +subfolder[3]+'\\'+ filename.rstrip('.nii.gz')+"_"+str(n_slice) + ".jpg"
        #np.save(savepath,cbct_slice)#(512, 512),dtype('uint8')
        imageio.imsave(savepath,cbct_slice)

网络架构：resnet

参考【使用pytorch搭建ResNet并基于迁移学习训练-哔哩哔哩】 https://b23.tv/GRynSUJ

参考文章:

MICCAI+BraTS+多模态+t1,t2,flair,t1c+HGG,LGG+WT,ET,TC - 知乎 (zhihu.com)