医学图像分割实操

整个实验过程包括：

1、数据集获取：https://zenodo.org/record/3757476

2、数据预处理：从.nii文件中提取包含目标区域的切片，如果不是很清楚医学图像格式的处理，也可以将.nii文件转换成png格式的图片，.nii代码转png图片代码：

import nibabel as nib
import numpy as np
import imageio
import os
def makedir(path):
    if os.path.exists(path):
        pass
    else:
        os.mkdir(path)

def read_niifile(niifile):  # 读取niifile文件
    img = nib.load(niifile)  # 下载niifile文件（其实是提取文件）
    img_fdata = img.get_fdata()  # 获取niifile数据
    return img_fdata


def save_fig(file,savepicdir,name):  # 保存为图片
    fdata = read_niifile(file)  # 调用上面的函数，获得数据
    # (x, y, z) = fdata.shape  # 获得数据shape信息：（长，宽，维度-切片数量）
    # for k in range(z):
    silce = fdata[:, :, i]  # 三个位置表示三个不同角度的切片
    imageio.imwrite(os.path.join(savepicdir, '{}.png'.format(name)), silce)
        # 将切片信息保存为png格式
def getName(na):
    for i in range(0,len(na)):
        if na[i]=='_':
            return na[:i]
#传入nii.gz文件所在文件夹
niiGzFolder='/.nii文件夹路径/'
niiGzNames=os.listdir(niiGzFolder)
#存放解压后的分割图片
target='/存放png图片的路径/'
for i in range(0,len(niiGzNames)):
    niiGzName=niiGzNames[i]
    name=getName(niiGzName)
    pred="pred"
    gt="gt"
    img="img"
    if  pred in niiGzName:
        path=target+pred+'/'

    if gt in niiGzName:
        path=target+gt+'/'

    if img in niiGzName:
        path=target+img+'/'
    makedir(path)
    save_fig(niiGzFolder+niiGzName,path,name)
    print("finish",niiGzName)

3、导入自己的数据集，写自己的dataloder，不妨命名为dataset.py，代码如下：

import torch
import cv2
import os
import glob
from torch.utils.data import Dataset
import random


class Loader(Dataset):
    def __init__(self, data_path):
        # print(data_path)
        images = []
        image_root = os.path.join(data_path,'images')
        # print(image_root)
        for image_name in os.listdir(image_root):
          image_path = os.path.join(image_root, image_name)
          images.append(image_path)
        # 初始化函数，读取所有data_path下的图片
        self.data_path