3D肝脏分割数据集LiTS17下载及nii文件转PNG

韩好学

已于 2022-11-03 13:01:52 修改

阅读量6k

点赞数 33

分类专栏：基础知识文章标签： python 图像处理深度学习神经网络

于 2022-11-03 12:49:19 首次发布

本文链接：https://blog.csdn.net/weixin_45265122/article/details/127667903

版权

基础知识专栏收录该内容

2 篇文章

订阅专栏

本文分享了LiTS17肝脏肿瘤分割数据集的下载链接，并提供了将3D nii文件转换为2D PNG图片的Python代码，特别针对二分类任务进行了预处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

昨日网上找LiTS数据集找了半天，要么失效链接，要么将免费数据集收费出售（确实有点掉价）。费尽周折终于在谷歌网盘上将数据集下载了下来，为了方便学习我将此数据集打包上传到了百度云盘供大家下载。

链接：https://pan.baidu.com/s/10kS0B9gMLUmTlu-C7gZtjA
提取码：phbp

数据来源：

前30个nii文件：LiTS17 肝脏肿瘤分割数据集 - 数据集下载 - 超神经 (hyper.ai)

剩余nii文件：LITS17 - Google 云端硬盘（需科学上网）

另外，我将nii文件按照z轴切割出来了2D的PNG图片，以供使用。博主新手入门所以想要先拿二分类试试手，所以2D图片中肿瘤以及肝脏均视作了肝脏部分，如果想做肿瘤、肝脏以及其他部分的三分类问题，大家可以自行切分nii文件。另外值得一提的是，segmentation部分无肝脏以及肝脏在图中面积占比小于1.5%的切片并未保留，切割图像也在百度云盘分享的2D文件夹中，切分的python代码如下：

import os
import numpy as np
import nibabel as nib
import imageio
import cv2


def read_niifile(niifilepath):  # 读取niifile文件
    img = nib.load(niifilepath)  # 提取niifile文件
    img_fdata = img.get_fdata(dtype='float32')
    return img_fdata


def save_fig(niifilepath, savepath, num, name):  # 保存为图片
    name = name.split('-')[1]
    filepath_seg = niifilepath + "segmentation\\"  + "segmentation-" + name
    filepath_vol = niifilepath + "volume\\" + "volume-" +name
    savepath_seg = savepath + "segmentation\\"
    savepath_vol = savepath + "volume\\"

    if not os.path.exists(savepath_seg):
        os.makedirs(savepath_seg)
    if not os.path.exists(savepath_vol):
        os.makedirs(savepath_vol)

    fdata_vol = read_niifile(filepath_vol)
    fdata_seg = read_niifile(filepath_seg)
    (x, y, z) = fdata_seg.shape
    total = x * y

    for k in range(z):
        silce_seg = fdata_seg[:, :, k]  # 三个位置表示三个不同角度的切片
        if silce_seg.max() == 0:
            continue
        else:
            silce_seg = (silce_seg-silce_seg.min())/(silce_seg.max() - silce_seg.min())*255
            silce_seg  = cv2.threshold(silce_seg, 1, 255, cv2.THRESH_BINARY)[1]

            if  (np.sum(silce_seg == 255) / total) > 0.015:
                silce_vol = fdata_vol[:, :, k]
                silce_vol = (silce_vol - silce_vol.min()) / (silce_vol.max() - silce_vol.min()) * 255

                imageio.imwrite(os.path.join(savepath_seg, '{}.png'.format(num)), silce_seg)
                imageio.imwrite(os.path.join(savepath_vol, '{}.png'.format(num)), silce_vol)
                num += 1
        # 将切片信息保存为png格式
    return num


if __name__ == '__main__':

    path= 'E:\\dataset\\LiTS17\\'
    savepath = 'E:\\dataset\\LiTS17\\2d\\'
    filenames = os.listdir(path + "segmentation")
    num = 0
    for filename in filenames:
        num = save_fig(path, savepath, num, filename)