LITS数据集 总切片和单张Nii切片数目统计

最新推荐文章于 2025-05-23 09:16:47 发布
最新推荐文章于 2025-05-23 09:16:47 发布
阅读量1.6k 收藏 16
点赞数 1
分类专栏： 深度学习 LITS数据集 文章标签： python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_60278256/article/details/128132245
版权
本文详细介绍了如何使用Python的SimplyITK库来读取和统计LITS数据集中Nii文件的切片数目。通过对多个Nii文件的形状属性分析，展示了不同文件的切片数量，并最终汇总得出整个数据集的总切片数为58638个。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

LITS数据集切片统计

简单原理说明

代码实现

运行结果

总结

LITS数据集切片统计

我的数据集长这样，手中得到的数据集有LITS数据集，从网上下载下来的时候，格式是nii文件，因为我用的是2D Unet，所以要先把nii文件转为png格式，其中每个NII文件有许多切片构成，于是有了这篇统计切片的文章

简单原理说明

使用SimplyITK的ReaImage读入图像(segmentation-xx.nii)后

返回图像.shape为（切片数，长，宽）

如下所示：

segmentation-80.nii (217, 512, 512)
segmentation-81.nii (343, 512, 512)
segmentation-82.nii (519, 512, 512)
segmentation-83.nii (871, 512, 512)
se

最低0.47元/天 解锁文章
LITS 数据集 肝脏和肿瘤标签分离
weixin_44715117的博客
04-22 8317
LITS 数据集 标签分离标签分离原因说明简单原理说明代码实现分离效果结束语 标签分离原因说明 最近在用Unet做肝脏肿瘤分割，手中得到的数据集有LITS数据集，从网上下载下来的时候，格式是nii文件，因为我用的是2D Unet，所以要先把nii文件转为png格式。获取到的标签里面，肝脏和肿瘤是在一块的，所以想着把肝脏和肿瘤的标签分离出来再单独进行训练和预测，于是就有了这篇文章。 简单原理说明 在标签中，肝脏被标记为1，肿瘤被标记为2，所以，在加载图像后，对每一个图像中的不为1的像素置为0，以此得到只包含肝
LiTS2017数据集介绍、下载与预处理
可不想写代码啦的博客
07-03 6424
我给出了两个代码，一个是可以同时显示器官、器官分割结果、肿瘤分割结果的，另一个是只显示器官的。与 ITK-SNAP 不同，在显示的时候只显示分割结果的边界，这样更有利于观察分割的是否合理。并且还可以通过调节上图中右边红框中的滑块来调节图像灰度值的范围，通过调节上图中下方红框中滑块来查看不同横截面的图像。分别打开原数据和分割结果，然后选择Image->Color->Merge Channels，做如下设置，其中分割结果随便选择一个合适的颜色都行，我选的是红色。在标注中，肝脏被标记为1，肿瘤标记为2。
LiTS 数据集预处理（二） 肝脏肿瘤图像分割
qq_63860529的博客
11-12 827
通过以上步骤，我们成功地将肝脏和肿瘤区域进行了分离，并为后续的分析和模型训练做好了准备。接下来，我们可以利用这些处理后的数据进行肝脏肿瘤的分割任务。
LITS2017数据集百度网盘.txt
05-14
医学图像分割
pytorch 读取数据集(LiTS-肝肿瘤分割挑战数据集)
菜菜小孙的blog
07-25 7600
pytorch 读取数据集 我的数据集长这样： xx.png和xx_mask.png是对应的待分割图像和ground truth 数据集对象被抽象为Dataset类，实现自定义的数据集需要继承Dataset __ getitem ：返回一条数据，或一个样本。obj[index]等价于obj. getitem __(index) __ len__：返回样本的数量。len(obj)等价于obj.__ len__() from torch.utils.data import Dataset import
LITS2017肝脏肿瘤分割挑战数据集.txt
08-27
LITS2017肝脏肿瘤分割挑战数据集，里面是百度网盘永久下载链接，深度学习使用，数据太大无法上传如果网盘资料到期，请私信我，或者加我百度云2642828613@qq.com,第一时间补发。
LiTS 数据集预处理（一） 肝脏肿瘤图像分割
qq_63860529的博客
11-12 4059
最近在学习Unet等家族做肝脏肿瘤分割，肝脏肿瘤公开数据集有出名的（全球人都在研究的）LITS数据集，从网上下载下来的时候，格式是nii文件。因为我是学习的2D模型训练，所以我需要对nii格式文件进行切片，经过研究学习网上几份代码，发现其中还有有点讲究的，所以想写篇文章分享介绍一下。如果有对训练更有利的预处理方法，欢迎到群里或者评论区讨论）
医学图像分割数据：肝肿瘤分割（LiTS）切片【包含切片后的数据集（3类别）、标签文件、可视化代码】
05-26
项目包含：肝肿瘤分割（LiTS）切片【包含切片后的数据集（3类别）、标签文件、可视化代码】 【其中mask中1为肝、2为肿瘤 、0为背景，具体的参考classes.txt文件】 数据集：LITS 切片数据，从冠状面切分出2D图像，从...
LITS2017肝脏肿瘤分割挑战数据集
05-10
LITS2017肝脏肿瘤分割挑战数据集，里面是百度网盘永久下载链接，深度学习使用
医学图像分割数据：肝肿瘤分割基（LiTS）切片分割【包含切片后的数据集（3类别）、标签文件、可视化代码】
05-26
项目包含：肝肿瘤分割基（LiTS）切片分割【包含切片后的数据集（3类别）、标签文件、可视化代码】 【其中mask中1为肝、2为肿瘤 、0为背景，具体的参考classes.txt文件】 数据集：LITS 切片数据，从轴位面（横端面）...
LITS2017肝脏肿瘤分割挑战数据集下载地址百度云.txt
12-20
LITS2017肝脏肿瘤分割挑战数据集，里面是百度网盘永久下载链接，深度学习使用，数据太大无法上传如果网盘资料到期，请私信我，如果链接失效，请私信我或者加我百度云2642828613@qq.com,第一时间补发。
LITS2017肝脏肿瘤分割挑战数据集.txt-机器学习工具类资源(txt为微云链接)
07-16
LITS2017肝脏肿瘤分割挑战数据集，里面是百度网盘永久下载链接，深度学习使用，数据太大无法上传。。
codalab医学影像挑战赛 Lits肝肿瘤分割数据集
01-26
Google登不上去的可以下这个
LITS数据集预处理（二）
小鼠太郎的博客
06-11 3210
要求输出所有nii文件的size和spacing、origin、direction size：nib库是（xyz),sitk为（zyx origin：原始图像
LITS数据预处理（一）
小鼠太郎的博客
06-09 4797
数据集是LITS2017，任务是批量进行预处理，包括重采样与归一化 第一步是打算先读取长宽维度，转化为numpy形式重采样与归一化，然后再以nii格式保存 1、读取c
LiTS 数据集预处理（三） npy_to_png
qq_63860529的博客
11-14 1263
继续上次要完成的第二个目标：Numpy格式转换至PNG在上次的工作LiTS 数据集预处理（一) 对数据切片和LiTS 数据集预处理（二) 肝脏肿瘤分离，我们完成了对CT图像进行了切片处理，并生成了相应的切片后的标签（Label）。需要注意的是，CT图像和标签之间是一一对应的，数量自然也是相同的
pytorch实战-Unet3d（LiTS）
热门推荐
炼丹师
07-16 1万+
本文采用Unet3d进行LiTS腹部CT肝脏肿瘤分割 数据集的train集合一共130个样例，都为nii格式，原始CT数据为volume-*.nii，分割的ground truth为segmentation-0.nii，其中0为背景，1为肝脏，2为肿瘤，但是并不是每个样例里边都含有肿瘤 本来是准备用https://blog.csdn.net/py184473894/article/detail...
将lits2017数据集nii格式转换为png格式以及简单的预处理操作（具体操作代码有注释，代码能运行）
m0_62328890的博客
09-12 1473
output_image[liver_mask == 1] = [152, 251, 152] # 使用浅绿色表示肝脏区域。# 将标签中的肝脏和肿瘤灰度值设为1，背景灰度值设为0。# 将图像保存为彩色png格式，肝脏区域使用浅绿色表示。# 将图像数据调窗，窗宽为200，窗位为100。# 将标签保存为灰度png格式。# 转换后的图像文件夹路径和标签文件夹路径。# 创建保存转换后图像和标签的文件夹。# 获取肝脏出现的切片索引。# 获取肝脏出现的切片索引。# 获取文件夹中所有的nii文件。
阿里开源 CosyVoice2：打造 TTS 文本转语音实战应用
最新发布
蜗牛的博客
05-23 729
阿里通义实验室推出的音频基座大模型 FunAudioLLM 包含 SenseVoice 和 CosyVoice 两大模型。CosyVoice 2.0 在多语言支持、超低延迟、高精度、强稳定性和自然体验方面均有显著提升。它支持中文、英文、日文、韩文及多种中文方言，并实现了跨语言和混合语言的语音克隆。CosyVoice 2.0 集成了离线和流式建模技术，首包合成延迟低至150毫秒，发音错误率减少了30%到50%，并在基准测试中达到了最低字符错误率。
LiTS数据集的切片是灰度图像吗
07-15
是的，LiTS（Liver Tumor Segmentation Challenge）数据集的切片是灰度图像。 LiTS数据集是用于肝脏肿瘤分割的公开数据集，包含了一系列的CT扫描切片。CT扫描通常以灰度图像的形式呈现，每个像素的数值代表了相应位置的组织密度。 在LiTS数据集中，每个切片都是以灰度图像的形式存储。这意味着每个像素的数值代表了对应位置的组织密度在灰度级上的表现。通过分析和处理这些灰度图像，可以对肝脏肿瘤进行分割和识别。 需要注意的是，LiTS数据集中的切片可能包含不同的标记和注释，用于指示肝脏和肿瘤区域。这些标记通常以二值图像或者分割掩码的形式提供，用于训练和评估肿瘤分割算法。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值