溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
小編這次要給大家分享的是詳解Pytorch如何使用nii數據做輸入數據操作，文章內容豐富，感興趣的小伙伴可以來了解一下，希望大家閱讀完這篇文章之后能夠有所收獲。
使用pix2pix-gan做醫學圖像合成的時候，如果把nii數據轉成png格式會損失很多信息，以為png格式圖像的灰度值有256階，因此直接使用nii的醫學圖像做輸入會更好一點。
但是Pythorch中的Dataloader是不能直接讀取nii圖像的，因此加一個CreateNiiDataset的類。
先來了解一下pytorch中讀取數據的主要途徑——Dataset類。在自己構建數據層時都要基于這個類，類似于C++中的虛基類。
自己構建的數據層包含三個部分
class Dataset(object): """An abstract class representing a Dataset. All other datasets should subclass it. All subclasses should override ``__len__``, that provides the size of the dataset, and ``__getitem__``, supporting integer indexing in range from 0 to len(self) exclusive. """ def __getitem__(self, index): raise NotImplementedError def __len__(self): raise NotImplementedError def __add__(self, other): return ConcatDataset([self, other])
根據自己的需要編寫CreateNiiDataset子類：
因為我是基于https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
做pix2pix-gan的實驗，數據包含兩個部分mr 和 ct，不需要標簽，因此上面的 def getitem(self, index):中不需要index這個參數了，類似地，根據需要，加入自己的參數，去掉不需要的參數。
class CreateNiiDataset(Dataset):
def __init__(self, opt, transform = None, target_transform = None):
self.path2 = opt.dataroot # parameter passing
self.A = 'MR'
self.B = 'CT'
lines = os.listdir(os.path.join(self.path2, self.A))
lines.sort()
imgs = []
for line in lines:
imgs.append(line)
self.imgs = imgs
self.transform = transform
self.target_transform = target_transform
def crop(self, image, crop_size):
shp = image.shape
scl = [int((shp[0] - crop_size[0]) / 2), int((shp[1] - crop_size[1]) / 2)]
image_crop = image[scl[0]:scl[0] + crop_size[0], scl[1]:scl[1] + crop_size[1]]
return image_crop
def __getitem__(self, item):
file = self.imgs[item]
img1 = sitk.ReadImage(os.path.join(self.path2, self.A, file))
img2 = sitk.ReadImage(os.path.join(self.path2, self.B, file))
data1 = sitk.GetArrayFromImage(img1)
data2 = sitk.GetArrayFromImage(img2)
if data1.shape[0] != 256:
data1 = self.crop(data1, [256, 256])
data2 = self.crop(data2, [256, 256])
if self.transform is not None:
data1 = self.transform(data1)
data2 = self.transform(data2)
if np.min(data1)<0:
data1 = (data1 - np.min(data1))/(np.max(data1)-np.min(data1))
if np.min(data2)<0:
#data2 = data2 - np.min(data2)
data2 = (data2 - np.min(data2))/(np.max(data2)-np.min(data2))
data = {}
data1 = data1[np.newaxis, np.newaxis, :, :]
data1_tensor = torch.from_numpy(np.concatenate([data1,data1,data1], 1))
data1_tensor = data1_tensor.type(torch.FloatTensor)
data['A'] = data1_tensor # should be a tensor in Float Tensor Type
data2 = data2[np.newaxis, np.newaxis, :, :]
data2_tensor = torch.from_numpy(np.concatenate([data2,data2,data2], 1))
data2_tensor = data2_tensor.type(torch.FloatTensor)
data['B'] = data2_tensor # should be a tensor in Float Tensor Type
data['A_paths'] = [os.path.join(self.path2, self.A, file)] # should be a list, with path inside
data['B_paths'] = [os.path.join(self.path2, self.B, file)]
return data
def load_data(self):
return self
def __len__(self):
return len(self.imgs)注意：最后輸出的data是一個字典，里面有四個keys=[‘A',‘B',‘A_paths',‘B_paths'], 一定要注意數據要轉成FloatTensor。
其次是data[‘A_paths'] 接收的值是一個list，一定要加[ ] 擴起來，要不然測試存圖的時候會有問題，找這個問題找了好久才發現。
然后直接在train.py的主函數里面把數據加載那行改掉就好了
data_loader = CreateNiiDataset(opt)
dataset = data_loader.load_data()
Over！
補充知識：nii格式圖像存為npy格式
我就廢話不多說了，大家還是直接看代碼吧！
import nibabel as nib
import os
import numpy as np
img_path = '/home/lei/train/img/'
seg_path = '/home/lei/train/seg/'
saveimg_path = '/home/lei/train/npy_img/'
saveseg_path = '/home/lei/train/npy_seg/'
img_names = os.listdir(img_path)
seg_names = os.listdir(seg_path)
for img_name in img_names:
print(img_name)
img = nib.load(img_path + img_name).get_data() #載入
img = np.array(img)
np.save(saveimg_path + str(img_name).split('.')[0] + '.npy', img) #保存
for seg_name in seg_names:
print(seg_name)
seg = nib.load(seg_path + seg_name).get_data()
seg = np.array(seg)
np.save(saveseg_path + str(seg_name).split('.')[0] + '.npy看完這篇關于詳解Pytorch如何使用nii數據做輸入數據操作的文章，如果覺得文章內容寫得不錯的話，可以把它分享出去給更多人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
