【深度学习】深入浅出nnUnet的数据处理方法

最新推荐文章于 2025-03-10 12:23:38 发布

理想不闪火

最新推荐文章于 2025-03-10 12:23:38 发布

阅读量5.5k

点赞数 4

分类专栏：深度学习入门到精通系列讲解

本文链接：https://blog.csdn.net/weixin_43838785/article/details/117412851

版权

深度学习入门到精通系列讲解专栏收录该内容

236 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文深入解析nnUNet数据处理方法，包括数据预处理的crop、预测结果可视化、三维医学图像的通用预处理流程。预处理涉及数据格式转换、图像裁剪、重采样和标准化。nnUNet的crop方法通过ImageCropper类实现，用于减少计算量。数据转换通常将DICOM、MHD或NIFTY格式转为numpy数组。预处理还包括重采样以保持体素空间一致性，以及标准化以统一灰度值分布。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

【深度学习】深入浅出nnUnet的数据处理方法

文章目录
1 nnUNet数据预处理crop方法
2 预测结果可视化
3 如何针对三维医学图像分割任务进行通用数据预处理：nnUNet中预处理流程总结
	3.1 数据格式转换
	3.2 图像裁剪Crop
	3.3 重采样Resample
	3.4 标准化Normalization
4 后处理

1 nnUNet数据预处理crop方法

plan_and_preprocess
运行分割，首先需要对数据集进行数据预处理，这也是nnUNet的精髓所在。

nnUNet_plan_and_preprocess -

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

理想不闪火

关注关注

4
点赞
踩
22

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

【深度学习】nnU-Net(优秀的前处理和后处理框架)

李响

05-24

3000

【深度学习】nnU-Net(优秀的前处理和后处理框架) 1 概述 2 网络结构 3 training部分 3.1 nnUNetTrainer(版本一的训练方法) 3.2 nnUNetTrainerV2(版本二的训练方法) 4 前处理 5 自适应生成网络结构 6 模型选择 7 训练 8 后处理 9 推理 10 总结 1 概述 nnUnet虽然不是新的论文，但是这个框架效果很好。它并没有提出新的网络结构，没有抓人眼球的地方，仅依靠一些技巧，将分割任务进行了大统一，并在很多任务上得到了非常好的成绩上，可以

深度学习系列资料总结

最新发布

BD_Design_cs的博客

03-10

1342

xxx是任务编号，Liver是任务名称，imagesTr是训练集的图像，imagesTs是测试集的图像，labelsTr是训练集的标签，labelsTs是测试集的标签。其中xxx是任务编号，0是数据划分（五折划分的数据可以选择0，1，2，3，4），3d_fullres是训练策略名称。训练完成后，训练好的模型会保存在nnUNet_results目录下。这里nnUNet_raw是原始数据集的路径，nnUNet_preprocessed是预处理后的数据集的路径，nnUNet_results是训练好的模型的路径。

nnUNet V2代码——数据预处理（二）

w1ndfly的博客

01-16

1809

如有错误，欢迎评论区指正 :-D

nnUNet代码学习——数据预处理部分（一）

weixin_41962493的博客

08-31

7964

nnUNet最大的优点，就是可以根据数据集的情况，自适应的选择模型情况，而这一切的基础建立在nnUNet具有一套自成体系的数据分析框架，下面就开始一步一步解析nnUNet数据分析代码。相关代码存在于 nnUNet_plan_and_preprocess.py文件中。参数解析该文件首先就是参数配置，包括 task_id, planner3d, planner2d, no_pp, tl, tf, verify_dataset_integrity, overwrite_plans, overwrite_pl

nnUNet（代码）-预处理

lryjy的博客

12-19

1万+

任务一：（论文）Automated Design of Deep Learning Methods for Biomedical Image Segmentation // nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation Fabian 1.背景动机：简单来说医疗数据尤其是在3D医学图像领域，遇到图片质量、图片模态、图片大小、体素大小、类别比率差别都会产生巨大的效果落差。大部分专

nnUNetv2训练流程——环境配置、数据集构建、数据处理、训练

weixin_45882172的博客

04-26

7668

nnUNetv2初使用，分享内容包括：环境配置、数据集文件构建、数据格式化、数据预处理、数据训练整体流程说明。

计算机视觉竞赛技巧总结（二）：图像分割基础篇

专注大数据与人工智能技术分享，欢迎私信加群互相学习！

03-25

7551

本系列主要面向计算机视觉目标检测、图像分割及OCR等领域进行竞赛总结，本文为第二篇，主要介绍图像分割领域知识，分别从概述、开源框架、模型选择、常用Tricks等方面展开介绍，主要面向深度学习CV方向同学学习，希望大家能够多多交流，欢迎订阅本专栏，如有错误请大家在评论区指正，如有侵权联系删除。

计算机视觉论文总结系列（二）：图像分割篇

专注大数据与人工智能技术分享，欢迎私信加群互相学习！

03-29

7429

本系列主要面向计算机视觉目标检测、图像分割及OCR等领域论文总结，每章将分别从最新方法、开源框架、模型、等方面展开介绍，主要面向深度学习CV方向同学学习，希望大家能够多多交流，欢迎订阅本专栏，如有错误请大家在评论区指正，如有侵权联系删除。

nnUNet预处理

weixin_46141646的博客

02-21

1653

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。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。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。

Python-nnUNet是一个专为医学图像分割而设计的框架

08-11

nnU-Net是一个专为医学图像分割而设计的框架。给定一个新的数据集（包括训练案例），nnU-Net将自动处理整个实验管道。

人工智能学习笔记（1）-从nnu-net源码中学习数据预处理

wusar的博客

03-23

5784

之前做研究从来没有写笔记的习惯，现在也开始创作一些自己的东西了，就写一写笔记记录一下。 u-net是一种能很好的描述图之间的转换细节的网络结构，能很好的应用于医疗影像数据的分割任务里面，nnu-net在论文《nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation》中被提出，最大的特色就是提供了一整套数据预处理的流程。今天让我们来分析一下作者的github源代码，从中学习一些关于数据预处

医学分割学习记录-AMOS22数据预处理(nnUnet)

weixin_45116056的博客

10-12

2646

cropping.py:通过label产生mask,再通过mask对ct和label进行crop.本数据集很多数据cropping没有效果,有效果的也不会抛去很多size,也许是我的代码有问题.之后该写Dataloader和Net了,先在Unet上试一试.之前跑通的3DUnet是整个数据集训练的,AMOS数据集处理前后的Size都是不统一的,需要写基于Patch的网络训练.写的代码比较稚嫩,而且为了便于debug,一步一步是分开写的,每一步都保存了数据,通过3Dslicer可以很直观的看出来有没有问题.

医学图像分割 nnUNetV2 分割自定义2d数据集

今晚看星星的博客

06-05

1万+

nnUNetV2使用

nnUNet V2训练-AutoDL

闪闪发光的博客

01-29

4295

nnUNet训练-AutoDL

医疗图像切割日记 01 - 用nnUNet做Fatal Head Segmentation Challenge

CabbageRoll的博客

08-19

1932

用5天时间完成用nnUNet跑Fatal Head Segmentation. 模型介绍，代码，评估和总结

window下nnUnetV2训练流程

supernova121的博客

06-06

2066

nnUnetV2需要pytorch2.0.0版本，因此需要先升级cuda，我们将cuda升级到11.8的版本，通过控制面板-程序和功能删除NVDIA CUDA Documentation 10.1，安装cuda11.8版本，选择自定义安装，只安装CUDA。打开nnunetv2–>dataset_conversion–>convert_raw_dataset_from_old_nnunet_format.py文件，键入指令。执行任务40的训练，使用3d_fullres网络框架，训练第0折。

CT图像预处理之重采样

Huiyu Blog

10-13

1万+

CT图像的预处理操作一般包括以下几步： step1: spacing interpolation step2: window transform step3: get mask effective range step4: generate subimage 配套代码各步骤意义： step1: spacing interpolation。用插值(interpolation)一词可能不太准确，...