nnUNetv2使用教程

安装说明

进入自己创建的虚拟环境

conda activate MyCreatePython

集成框架下载：

git clone https://github.com/MIC-DKFZ/nnUNet.git
cd nnUNet
pip install -e .

环境变量

创建一个文件夹nnUNetFrame,位置自定，其中包括三个文件夹nnUNet_raw,nnUNet_preprocessed,nnUNet_results。

打开.bashrc文件，命令为vim ~/.bashrc，按下i键进入修改模式，在底部加上

export nnUNet_raw="/home/image/nvme/RugangYan/nnUNet/nnUNetFrame/nnUNet_raw"
export nnUNet_preprocessed="/home/image/nvme/RugangYan/nnUNet/nnUNetFrame/nnUNet_preprocessed"
export nnUNet_results="/home/image/nvme/RugangYan/nnUNet/nnUNetFrame/nnUNet_results"

路径是自己存放三个文件夹的位置。按下Esc，在直接输入 :wq，保存退出。
命令行输入：source ~/.bashrc更新修改。

（可选）安装hiddenlayer。hiddenlayer使 nnU-net 能够生成 它生成的网络拓扑图

pip install --upgrade git+https://github.com/FabianIsensee/hiddenlayer.git

nnU-Net数据集格式转换

参考dataset_conversion在文件夹中多个示例脚本 将数据集转换为 nnU-Net 格式。这些脚本是我们学习如何将自己的数据集转换为nnU-Net格式的好例子。
编写好脚本后，注意是否在自己的虚拟环境中，如图

点击运行脚本。会在nnUNet_raw文件夹中生成转换后的数据集格式：

预处理

nnUNetv2_plan_and_preprocess -d DATASET_ID --verify_dataset_integrity

其中DATASET_ID是数据集按照nnU-Net格式脚本处理后的编号，如果是AMOS2022，就是218。

训练

输入命令

nnUNetv2_train DATASET_NAME_OR_ID UNET_CONFIGURATION FOLD [additional options, see -h]

UNET_CONFIGURATION 是一个字符串，用于标识请求的 U-Net 配置（默认值：2d、3d_fullres、3d_lowres、 3d_cascade_lowres）。DATASET_NAME_OR_ID指定应该训练的数据集，FOLD 指定哪个折叠 训练 5 折交叉验证。

例子

nnUNetv2_train 218 3d_fullres 0

运行5个FOLD(0,1,2,3,4)

自动确定最佳配置

nnUNetv2_find_best_configuration DATASET_NAME_OR_ID -c CONFIGURATIONS 

我这里是

nnUNetv2_find_best_configuration 218 -c 3d_fullres 

nnUNetv2_find_best_configuration还会自动确定应使用的后处理。 nnU-Net 中的后处理仅考虑去除预测中除最大组件之外的所有组件（一次 前景与背景，每个标签/区域一次）。

完成后，该命令将准确地打印到控制台，您需要运行哪些命令才能进行预测。它 还将在文件夹中创建两个文件供您检查：nnUNet_results/DATASET_NAME

inference_instructions.txt再次包含您需要用于预测的确切命令
inference_information.json可以检查以查看所有配置和整体的性能，以及 作为后处理的效果加上一些调试信息。

运行预测

根据txt中的代码，更改为自己的input_folder和output_folder文件夹

nnUNetv2_predict -d Dataset218_AMOS2022_postChallenge_task1 -i INPUT_FOLDER -o OUTPUT_FOLDER -f  0 1 2 3 4 -tr nnUNetTrainer -c 3d_fullres -p nnUNetPlans

后处理

最后，将先前确定的后处理应用与预测（更改为自己的output_folder）

nnUNetv2_apply_postprocessing -i OUTPUT_FOLDER -o OUTPUT_FOLDER_PP -pp_pkl_file /home/image/nvme/RugangYan/nnUNet/nnUNetFrame/nnUNet_results/Dataset218_AMOS2022_postChallenge_task1/nnUNetTrainer__nnUNetPlans__3d_fullres/crossval_results_folds_0_1_2_3_4/postprocessing.pkl -np 8 -plans_json /home/image/nvme/RugangYan/nnUNet/nnUNetFrame/nnUNet_results/Dataset218_AMOS2022_postChallenge_task1/nnUNetTrainer__nnUNetPlans__3d_fullres/crossval_results_folds_0_1_2_3_4/plans.json

结束