Advertisement

U-Net与胰腺分割学习（1）

阅读量：

title: U-Net与胰腺分割学习（1）
date: 2020-08-29 08:15:02
tags:

  • CNN

  • 前馈神经网络

  • 图像识别

  • U-Net

  • 胰腺分割
    categories:

  • 医学图像处理与医学软件

TCIA (The Cancer Imaging Archive)

TCIA是一个包含常见肿瘤（肺癌、前列腺癌等）医学图像及相应临床信息（治疗方案细节、基因、病理等）的大规模公用数据库，其影像模态包括MRI、CT等，图像格式均为DICOM，并且网站内数据在持续增加。所有数据都是由TCIA整理并管理。

网址：http://www.cancerimagingarchive.net/

通过点击Download下载，在电脑上得到后缀名为’.tcia’的文件，注意该文件必须通过‘NBIA DATA Retriever’软件打开，打开后就可以通过选择保存路径，开始下载数据集；(需要VPN)
在这里插入图片描述

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-foJhm3wK-1642241531467)(/images/image-20200829081625498.png)]

管理conda

conda添加到环境变量
在这里插入图片描述

1. 验证conda已被安装

复制代码 
    conda --version
    
    
    AI写代码undefined

2. 获取当前环境中已安装的包信息

复制代码 
    conda list
    
    
    AI写代码cpp

Python包安装错误的解决办法

EnvironmentNotWritableError: The current user does not have write permissions to the target environment.
environment location: C:\ProgramData\Anaconda3

无法写入错误：当前的用户没有写入到该路径文件的权限

以管理员身份启动Anaconda（Anaconda Navigator或者Anaconda Prompt）

安装Pydicom

复制代码 
    conda install -c conda-forge pydicom
在这里插入图片描述

安装完毕

ImportError:通过“import dicom”的Pydicom已经在Pydicom 1.0版本中被删除，请安装dicom包来恢复依赖于Pydicom 0.9的代码的功能或更早。例如，pip install dicom交替，大多数代码可以轻松转换为pydicom>1.0通过改变import 1ines从import dicom到import pydicomiSee过渡指南

复制代码 
    pip install dicom


DICOM转换为Numpy数组数据

复制代码 
    python dicom2npy.py

执行Python文件

复制代码 
    import numpy as np
    import os
    import pydicom
    
    
    N = 82
    W = 512
    H = 512
    path1 = 'DOI'
    path2 = 'images'
    if not os.path.exists(path2):
    os.makedirs(path2)
    
    for n in range(N):
    volumeID = '{:0>4}'.format(n + 1)
    # 宽度 ：后带填充的字符 0001~0082
    print ('Processing File ' + volumeID)
    print ('正在处理文件' + volumeID)
    # Processing File 0001 ~0082
    filename1 = 'PANCREAS_' + volumeID
    # PANCREAS_0001 ~PANCREAS_0082
    directory1 = os.path.join(path1, filename1)
    print ('directory1:' + directory1)
    # 把目录和文件名合成一个路径 directory1 = DOI/PANCREAS_0001/
    filename2 = volumeID + '.npy'
    # filename2 = 0001.npy ~0082.npy
    for path_, _, file_ in os.walk(directory1):
    #for dirpath, _dirnames,filenames in os.walk(path):
        print (path_,_,file_)
    # 文件夹的绝对路径，dirpath  文件夹下的子文件夹的名字，dirnames 文件夹的文件的名字，filenames
    #注意，函数会自动改变root的值使得遍历所有的子文件夹。、
    #所以返回的三元元组的个数为所有子文件夹（包括子子文件夹，子子子文件夹等等）加上1（根文件夹）。
        L = len(file_)
        
        # 文件夹内文件的个数 files 同样是 list , 内容是该文件夹中所有的文件(不包括子目录)
        if L > 0:
            print ('  ' + str(L) + ' slices along the axial view.')
            #沿轴向视图切片
            data = np.zeros((W, H, L), dtype = np.int16)
            for f in sorted(file_):
                file1 = os.path.abspath(os.path.join(path_, f)) #绝对路径
                print ('file1:' + file1)
    
                image = pydicom.read_file(file1)
                sliceID = image.data_element("InstanceNumber").value - 1
                if image.pixel_array.shape[0] != 512 or image.pixel_array.shape[1] != 512:
                    exit('  Error: DICOM image does not fit ' + str(W) + 'x' + str(H) + ' size!')
                data[:, :, sliceID] = image.pixel_array
            file2 = os.path.join(path2, filename2)
            np.save(file2, data)
            print  ('File ' + volumeID + ' is saved in ' + file2 + ' .')
    
    
    
    
    AI写代码python
    
    运行
![](https://ad.itadn.com/c/weblog/blog-img/images/2025-05-31/ahZ6r2YQWgRCxFfjvN08LDbtm9ld.png)

Nibabel

复制代码 
    conda install -c conda-forge nibabel

然后我发现他这个执行脚本是Linux的…

在VMware安装Ubuntu的时候发现下载异常的慢，然后上网搜要跳过SKIP（- -）换源

在Ubuntu里安装Anaconda


复制代码 
     cd /mnt/hgfs/UbuntuSharedFolder
复制代码 
    bash Anaconda3-2020.07-Linux-x86_64.sh

Anaconda3的安装目录

退出终端，重新进来就出现了（base），则安装成功。

复制代码 
    source ~/anaconda3/bin/activate root
    anaconda-navigator

出现anaconda图形界面加载一会儿，就可以将其添加到任务栏或收藏夹上，下次可直接点击该图标即可实现可视化anaconda图形界面的操作。

然后安装Pydicom和上面步骤一样

更改脚本里的文件夹路径

复制代码 
    DIR="/mnt/hgfs/UbuntuSharedFolder/images"

CUDA安装

不知道为什么CUDA安装完虚拟机就崩了，崩溃中…虚拟机方案失败，接下来试试子系统

网上搜索了一下好像虚拟机不能用CUDA加速，难道真的要安装双系统了吗…

先来试一试Windows的Ubuntu子系统看能不能使用物理显卡加速深度学习计算

先试试结果怎么样，真要用服务器计算的话就之后再说

Win10安装Ubuntu子系统



关于Linux的安装位置

WindowsAPP拒绝访问的解决办法



其中我把Administrator换为了Everyone

找到了Ubuntu安装位置

换源

复制代码 
    cd /etc/apt
    sudo cp /etc/apt/sources.list /etc/apt/sources.list_b
    sudo nano sources.list

Ctrl+K全删完

  • 中科大镜像
复制代码 
    deb https://mirrors.ustc.edu.cn/ubuntu/ bionic main restricted universe multiverse
    deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic main restricted universe multiverse
    deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
    deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
    deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
    deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
    deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
    deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
    deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
    deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
    
    
    AI写代码
![](https://ad.itadn.com/c/weblog/blog-img/images/2025-05-31/8ORs2r3dQ6ivAbTDYZSgpzewl5MK.png)
复制代码 
    sudo apt-get update
    sudo apt-get upgrade

-------------------------------废弃

安装VcXsrv

https://sourceforge.net/projects/vcxsrv/

其余默认下一步

保存设置到桌面直接启动

Ubuntu内安装桌面环境

复制代码 
    sudo apt-get install ubuntu-desktop unity compizconfig-settings-manager

------------------------------------------废弃

尝试之后发现XcXsrv并不好用，还报了很多错，放弃。

通过本机远程桌面

安装xorg（包括显卡驱动、图形环境库等等一系列软件包 ）

复制代码 
    sudo apt-get install xorg

安装xfce4（运行在类Unix操作系统上，提供轻量级桌面环境 ）

复制代码 
    sudo apt-get install xfce4

安装xrdp（一种开源的远程桌面协议（RDP）服务器 ）

复制代码 
    sudo apt-get install xrdp

配置xrdp（配置端口 ）

复制代码 
    sudo sed -i 's/port=3389/port=3390/g' /etc/xrdp/xrdp.ini

向.xsession中写入xfce4-session

复制代码 
    sudo echo xfce4-session >~/.xsession

重启xrdp服务

复制代码 
    sudo service xrdp restart

在Cortana中搜索远程桌面连接，点击进入，计算机栏输入【本机IP:端口】，用户名栏输入子系统用户名，点击连接。

127.0.0.1:3390

PiP设置

临时使用 加参数-i https://pypi.tuna.tsinghua.edu.cn/simple

复制代码 
    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyspider
复制代码 
    mkdir ~/.pip
    cd .pip
    touch pip.conf
    nano pip.conf

pip.conf内容

复制代码 
    [global]
    index-url = https://pypi.tuna.tsinghua.edu.cn/simple
    [install]
    trusted-host=mirrors.aliyun.com

Tensenflow安装

安完Ubuntu没有pip,先安装pip

复制代码 
    sudo apt-get install python3-dev python-scipy python-numpy python-matplotlib python-pandas python-nose
复制代码 
    # Requires the latest pip 升级pip
    pip install --upgrade pip
    # Current stable release for CPU and GPU
    pip install tensorflow
    
    
    
    AI写代码bsh
复制代码 
    sudo apt-get install python-pip
复制代码 
    pip install tensorflow
复制代码 
    # 系统升级
    sudo apt update
    sudo apt upgrade
复制代码 
    # 安装python基础开发包
    sudo apt install -y python-dev python-pip python-nose gcc g++ git gfortran vim
  • 安装运算加速库 打开终端输入：
复制代码 
    sudo apt install -y libopenblas-dev liblapack-dev libatlas-base-dev

CUDA开发环境的搭建

https://developer.nvidia.com/cuda-downloads

复制代码 
    wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-ubuntu1604.pin
    sudo mv cuda-ubuntu1604.pin /etc/apt/preferences.d/cuda-repository-pin-600
    wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda-repo-ubuntu1604-11-0-local_11.0.3-450.51.06-1_amd64.deb
    sudo dpkg -i cuda-repo-ubuntu1604-11-0-local_11.0.3-450.51.06-1_amd64.deb
    sudo apt-key add /var/cuda-repo-ubuntu1604-11-0-local/7fa2af80.pub
    sudo apt-get update
    sudo apt-get -y install cuda
  • 将CUDA路径添加至环境变量 在终端输入：
复制代码 
    sudo gedit /etc/profile

在profile文件中添加：

复制代码 
    export CUDA_HOME=/usr/local/cuda-11.0
    export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}}
    export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

之后source /etc/profile即可

  • 测试 在终端输入：
复制代码 
    nvcc -V

会得到相应的nvcc编译器相应的信息，那么CUDA配置成功了。(记得重启系统)

如果要进行cuda性能测试，可以进行：

复制代码 
    cd /usr/local/cuda/samples
    sudo make -j8

编译完成后，可以进samples/bin/.../.../...的底层目录，运行各类实例。

no CUDA-capable device is detected

请问win10下的ubuntu子系统可以配置gpu深度学习环境吗？

win10下使用Ubuntu子系统调用GPU失败，下一个方案，docker调用GPU搭建深度学习环境

Keras安装

复制代码 
    sudo pip install keras

Win10安装Ubuntu子系统及图形化界面详细教程

Win10系统下WindowsApps文件夹拒绝访问如何获取权限

win10 linux Ubuntu 18.04更换国内源

全部评论 (0)

还没有任何评论哟~

相关文章推荐

U-Net与胰腺分割学习（1）

title:UNet与胰腺分割学习（1） date:2020082908:15:02 tags: CNN 前馈神经网络 图像识别 UNet 胰腺分割 categories: 医学图像处理与医学软件 T...

胰腺分割论文

一、相关论文 titleyearslinksbasedmodelcode GloballyGuidedProgressiveFusionNetworkfor3DPancreasSegmentation...

U-net在乳腺癌医学图像分割方面的应用

图像几何变换和生成对抗网络 通过旋转、反转、剪切图像对乳腺医学图像进行数据增强之后，可以提高模型的准确性。但是当前简单的分割和几何变换在医疗图像数据中不会简单使用，而是会集合生成对抗网络（GAN）结合...

文献速递：深度学习胰腺癌诊断--基于螺旋变换的胰腺癌分割模型驱动深度学习方法

Title 题目 ModelDrivenDeepLearningMethodforPancreaticCancerSegmentationBasedonSpiralTransformation 基于螺...

Pytorch的学习——U-Net语义分割

UNet UNet是通过自编码的形式实现物体的分类与预测，其主体由一个编码器与一个解码器组成，结构如下图。 该网络先对维度为（3，H，W）的图像进行4次下采样，再进行上采样，用之前的低层特征图，与上采...

深度学习《语义分割U-Net》

论文标题： UNet:ConvolutionalNetworksforBiomedicalImageSegmentation 虽然主要运用医学领域但是在其他领域效果也很好。 UNet网络非常简单，前半...

U-Net分割

基于pytorch的UNet分割的实现 导入一些需要的库 importnumpyasnp importtorch importargparse fromtorch.utils.dataimportDa...

U-net医学分割网络——学习笔记

《UNet:ConvolutionalNetworksforBiomedicalImageSegmentation》 一、提出背景 UNet的提出是为了解决生物医学图像分割的几个关键问题：需要像素级的...

语义分割FCN与U-Net

FCN（FullyConvolutionalNetwork） FCN也叫全卷积网络，从名字可以看出，FCN与CNN的不同之处就是，FCN将我们一般的经典分类网络模型（VGG、ResNet...）最后一...

一个胰腺分割项目框架搭建的过程

1.前言 Github上有个这样的胰腺分割项目pancreasseg，是基于linux的 需要tensorflow等一系列依赖，经过几次尝试之后从ubuntu安装到项目运行做一个记录 2.Ubuntu...