RuntimeError: Background label not declared (remeber that this should be label 0!)

目录

1、报错:

2、解决办法：

 3、具体代码：

---

1、报错:

nnUNet v2在准备进行数据预处理时候，出现如下报错。

 上述问题的原因是：  在对下载好的数据集KiTS19进行转化时，建立了一个dataset.json说明文件，其中对数据格式作出描述。

 但是nnunet v1和v2版本是有区别的，所以在nnunet框架识别的时候，会报错。

v2与 nnU-Net v1 相关的重要更改：

“modality”现在被称为“channel_names”，以消除对医学图像的强烈偏见

“labels”的结构不同（name -> int 而不是 int -> name）。这是支持基于区域的培训所必需的

添加了“file_ending”以支持不同的输入文件类型

“overwrite_image_reader_writer”可选！可用于指定某个（自定义）ReaderWriter 类，该类应 与此数据集一起使用。如果未提供，nnU-Net将自动确定ReaderWriter

“regions_class_order”仅用于基于区域的培训

2、解决办法：

具体解决办法则是修改生成dataset.json文件的代码：

像我的问题（如下）是之前的labels键值对，反过来了，正确修改结果如上图所示。 

除此之外，“modality”需修改为“channel_names”。

加了一行这个用来说明file_ending： json_dict['file_ending'] = ".nii.gz"

最终代码整体如下：

 3、具体代码：

json_dict = {}
"""
name: 数据集名字
dexcription: 对数据集的描述
modality: 模态，0表示CT数据，1表示MR数据。nnU-Net会根据不同模态进行不同的预处理（nnunet-v2版本改为channel_names）
labels: label中，不同的数值代表的类别(v1版本和v2版本的键值对刚好是反过来的)
file_ending: nnunet v2新加的
numTraining: 训练集数量
numTest: 测试集数量
training: 训练集的image 和 label 地址对
test: 只包含测试集的image. 这里跟Training不一样
"""
json_dict['name'] = "KiTS"  
json_dict['description'] = "kidney and kidney tumor segmentation"
json_dict['tensorImageSize'] = "4D"
json_dict['reference'] = "KiTS data for nnunet"
json_dict['licence'] = ""
json_dict['release'] = "0.0"

json_dict['channel_names'] = {
    "0": "CT",
}
json_dict['labels'] = {
    "background": "0",
    "Kidney": "1",
    "Tumor": "2"
}
json_dict['numTraining'] = len(cases)  # 应该是210例
json_dict['file_ending'] = ".nii.gz"
json_dict['numTest'] = 0
json_dict['training'] = [{'image': "./imagesTr/%s.nii.gz" % i, "label": "./labelsTr/%s.nii.gz" % i} for i in cases]
#json_dict['test'] = []
save_json(json_dict, os.path.join(out, "dataset.json"))