nnUNet预处理

针对CT图像：

1.裁剪CT范围：

nnUNet是一个基于PyTorch深度学习框架的图像分割工具。在nnUNet中，对于输入的CT图像，其裁剪的CT值范围参数通常会在nnUNet_trainer的配置文件（config文件）中进行指定。

具体而言，裁剪的CT值范围参数通常会出现在以下几个配置项中：

1. "intensity_properties": 该配置项用于指定图像预处理过程中与图像强度相关的参数。在其中，通过设置"intensity_range"参数指定裁剪的CT值范围，例如：

   "intensity_properties": {
       "intensity_range": [-1000, 500]
   }
   

   这表示裁剪CT值范围为-1000到500之间的像素值。

2. "data_augmentation": 该配置项用于指定数据增强相关的参数。在其中，可以通过设置"mirror"和"mirror_axes"参数来指定镜像翻转的方向，而裁剪的CT值范围则可以通过设置"do_intensity_scale_shift"和"intensity_properties"参数来实现，例如

   "data_augmentation": {
       "do_intensity_scale_shift": True,
       "intensity_properties": {
           "intensity_range": [-1000, 500]
       }
   }
   

   这表示进行数据增强时，会对图像进行随机的CT值偏移，保证CT值范围在-1000到500之间。

   总之，nnUNet中对于CT图像的裁剪CT值范围参数一般会在配置文件中进行指定，并且会与其他与图像强度相关的参数一起出现

3. nnUNet可以根据数据集的特征来自动确定使用全局裁剪还是局部裁剪的方式对CT图像的CT值范围进行裁剪。

   全局裁剪是指对整个数据集中的所有CT图像使用相同的CT值范围进行裁剪，这种方法适用于CT图像的CT值范围比较一致的数据集。在nnUNet中，可以在配置文件中指定全局裁剪的CT值范围，例如指定CT值范围为-1000到1000 HU。

   局部裁剪是指对每张CT图像分别使用自适应的CT值范围进行裁剪，这种方法适用于CT图像的CT值范围变化较大的数据集。在nnUNet中，可以使用局部裁剪策略，使得每张CT图像可以使用不同的CT值范围进行裁剪。局部裁剪可以根据每张CT图像的CT值范围来自适应地裁剪图像块，这样可以更好地保留CT图像中的有用信息，并且可以避免在裁剪过程中丢失重要信息。

   在nnUNet中，可以通过在配置文件中设置"intensity_properties"参数来指定全局裁剪或者局部裁剪的CT值范围。例如，如果"intensity_properties"参数的值为"[[-1000, 1000]]"，则使用全局裁剪；如果值为"None"，则使用局部裁剪。此外，您还可以在配置文件中设置其他参数，例如"normalization"和"rescale"，以进一步调整CT值范围。

4. nnUNet可以对每张CT图像单独进行裁剪的CT值范围。在nnUNet中，裁剪的CT值范围可以在数据预处理过程中进行指定。具体而言，nnUNet提供了两种不同的裁剪方式，即全局裁剪和局部裁剪
   1. )全局裁剪:全局裁剪是指在数据预处理过程中，对整个数据集中的所有CT图像都使用相同的CT值范围进行裁剪。这种裁剪方式一般会在nnUNet_trainer的配置文件（config文件）中进行指定，例如

      "intensity_properties": {
          "intensity_range": [-1000, 500],
          "normalize": true,
          "normalize_type": "zero_mean_unit_variance"
      }
      

      这表示对所有CT图像进行全局裁剪，CT值范围为-1000到500之间，同时进行标准化（normalize）处理，使用零均值单位方差（zero_mean_unit_variance）方法进行标准化。

   2. )局部裁剪是指在数据预处理过程中，对每张CT图像单独进行裁剪，使用不同的CT值范围进行裁剪。在nnUNet中，可以通过创建一个名为"TaskName__nnUNetPlans"的Python模块来指定局部裁剪的参数，例如：

      from nnunet.preprocessing.cropping import Cropper
      
      plans['cropper'] = Cropper(cropping_params=cropping_params)
      

      这里的"cropping_params"可以是一个包含所有CT图像的裁剪参数的字典，也可以是一个函数，根据不同的CT图像返回相应的裁剪参数。使用这种方式，可以对每张CT图像单独进行裁剪，使得裁剪后的CT值范围更加适合每张图像的特征，从而提高分割效果。

      综上所述，nnUNet可以对每张CT图像单独进行裁剪的CT值范围，可以选择使用全局裁剪或者局部裁剪的方式。