nnunet(十一)training example Hippocampus

https://github.com/MIC-DKFZ/nnUNet/blob/master/documentation/training_example_Hippocampus.md

Example: 3D U-Net training on the Hippocampus dataset

这是一个循序渐进的示例，介绍如何使用来自医学分割十项全能的海马数据集Hippocampus dataset from the Medical Segmentation Decathlon进行3D全分辨率训练3D full resolution Training。

1. 参照此处安装nnunet，确保所有路径都是对的，这一步是nnunet需要知道 raw data, preprocessed data and trained models数据存放在哪。
2. 下载 Hippocampus dataset of the Medical Segmentation Decathlon数据集，并且解压缩到指定文件夹。
3. Decathlon 数据采用4D niftis。这与nnU-Net不兼容，所以需要数据转换。

   nnUNet_convert_decathlon_task -i /xxx/Task04_Hippocampus
   

   要注意Task04_Hippocampus文件夹中必须包含'imagesTr'， 'labelsTr'， 'imagesTs'三个子文件夹。 $nnUNet_raw_data_base/nnUNet_raw_data中存储转换后的数据， $nnUNet_raw_data_base是安装的时候指定的原始数据存放目录

4. 可以使用一下命令获取nnU-Nets pipeline configuration和preprocessing

   nnUNet_plan_and_preprocess -t 4
   

   Hippocampus dataset的task ID是4

5.  使用3d full resoltion U-Net在Hippocampus dataset上开始训练

   nnUNet_train 3d_fullres nnUNetTrainerV2 4 0
   

   默认使用5-fold cross validation，上面的命令将只运行第一次折叠(折叠0)的训练。4为 hippocampus dataset的task identifier，在GPU上训练一个折叠需要大约9个小时。有预先训练过的hippocampus task模型就不需要完成网络训练。

在自定义数据上完成训练唯一的要求就是保证输入数据，满足nnU-Net数据结构。如何转换参照此处。