medSeg

中文 | English

仿照百度PaddleSeg结构实现的一个医学影像方向分割任务开发套件。主要目标是实现多种2D和3D网络(3D网络还在开发中)，多种loss和数据增强策略。目前项目还在开发中，但是已经能在肝脏分割场景下做到 .94 的IOU。2.5D P-Unet项目基于这个套件实现。开发计划见Project

项目结构

medseg 项目主体

• prep_3d.py prep_2d.py 对3D扫描或2D切片进行推理
• loss.py 定义loss
• models 定义模型
• aug.py 定义数据增强方法
• train.py 训练网络
• infer.py 用训练完的模型进行推理
• vis.py 对数据进行可视化
• eval.py 对分割结果进行评估，支持基本所有医学影像常用2d/3d metric

tool 工具脚本

tool中提供了一些实用的工具脚本，train目录下主要用于训练前的预处理，infer目录下的主要用于推理和后处理。

• train
  • mhd2nii.py : 将mhd格式文件转成nii
  • resize.py : 将nii格式的扫描或标签转成512大小
  • dataset_scan.py : 生成数据集总览，包括强度分布和归一化需要的平均中位数
  • to_slice.py : 将3D扫描和标签转成2D的切片，实测多线程提速1倍左右
  • vis.py : 随机抽取切片结果或3D序列中的片进行可视化
  • gen_list.py : 生成数据文件列表，按照比例划分训练/验证/测试集
  • folder_split.py : 将整个数据集随机划分成训练，验证和测试集
• infer
  • 2d_diameter.py : 在切片内测量分割标签中的血管直径
• zip_dataset.py : 将一个路径下的文件打包，每个压缩包不超过指定大小。和分包zip不同的是每个压缩包都是单独的包，都可以解压实例测
• flood_fill.py : 对分割标签进行漫水填充
• to_pinyin.py : 将中文文件名转拼音

config 配置文件

所有配置参考config.py

使用方法

配置环境

安装环境依赖:

pip install -r requirements.txt

paddle框架的安装参考paddle官网 如果进行训练需要有数据，目前项目主要面向lits调试，在aistudio上可以找到。训练集 测试集

数据集下载，解压之后将所有的训练集volume放到一个文件夹，所有的训练集label放到一个文件夹，测试集volume放到一个文件夹。修改 lits.yaml 中对应的路径。

预处理

配置完毕需要首先进行数据预处理，这里主要是将数据统一成npz格式，方便后续训练。也可以在这一步结合一些预处理步骤对3D CT数据可以做窗口化，3D旋转。

python medseg/prep_3d.py -c config/lits.yaml

训练

网络用预处理后的数据进行训练，训练提供一些参数，-h 可以显示。如果用的是cpu版本的paddle，不要添加 --use_gpu 参数。

python medseg/train.py -c config/lits.yaml --use_gpu --do_eval

预测

最后一步是用训练好的网络进行预测，要配置好模型权重的路径，按照上一步实际输出的路径进行修改。代码会读取inference路径下所有的nii逐个进行预测。目前支持的数据格式有 .nii, .nii.gz。

python infer.py -c config/lits.yaml --use_gpu

这个项目在aistudio中有完整的环境，fork项目可以直接运行，项目地址中运行

更新日志

• 2020.6.21 v0.2.0

• 项目整体修改为使用配置文件，丰富功能，增加可视化

• 2020.5.1 v0.1.0

• 在lits数据集上跑通预处理，训练，预测脚本

如项目使用中有任何问题，欢迎加入 Aistudio医学兴趣组，在群中提问，也可以和更多大佬一起学习和进步。