Supervisely项目AutoImport模块升级：3D NIfTI到NRRD转换的全面优化

Supervisely项目AutoImport模块升级：3D NIfTI到NRRD转换的全面优化

supervisely Supervisely SDK for Python - convenient way to automate, customize and extend Supervisely Platform for your computer vision task 项目地址: https://gitcode.com/gh_mirrors/su/supervisely

Supervisely是一个专注于计算机视觉和深度学习的数据标注与管理平台，为AI开发者提供从数据标注到模型训练的全流程解决方案。在医学影像分析领域，Supervisely支持多种3D医学图像格式的处理，其中NIfTI和NRRD是两种常用的格式。

3D医学图像处理的重要升级

最新发布的Supervisely v6.73.326版本对AutoImport模块进行了重大改进，特别是在3D NIfTI到NRRD格式转换方面。这一升级主要包含三个核心改进：

1. 转换引擎重构：从原有实现转向使用SimpleITK库，这是一个专门用于医学图像处理的强大开源工具包。SimpleITK提供了更稳定、更高效的图像处理能力，特别是在处理3D医学图像时表现优异。

2. 类别名称与颜色映射支持：新增了对分割标签的类别名称和颜色映射表的完整支持。这意味着在进行格式转换时，不仅保留了原始的像素值信息，还能完整保留每个类别的人类可读名称和可视化颜色设置。

3. 分割文件处理优化：重构了分割文件的整个处理流程，使其更加健壮和高效。这一改进特别针对医学影像分析中常见的多标签分割场景，确保数据转换过程中不丢失任何重要信息。

技术实现细节

在技术实现层面，这次升级采用了SimpleITK作为核心转换引擎。SimpleITK基于ITK(Insight Segmentation and Registration Toolkit)构建，提供了Python友好的接口，同时保持了ITK强大的图像处理能力。

转换过程现在能够正确处理以下关键信息：

• 图像的空间信息(包括方向、间距、原点)
• 像素数据类型和范围
• 多标签分割中的类别映射关系
• 每个类别的名称和显示颜色

对于医学影像分析工作流而言，这些改进显著提升了数据导入的可靠性和完整性，特别是在处理复杂的分割标注时。

实际应用价值

这一升级对于医学影像AI开发具有实际意义：

1. 研究可重复性：确保数据在不同格式转换过程中不丢失关键信息，有利于研究成果的复现和验证。

2. 协作效率：完整的类别名称和颜色映射保留，使得不同团队之间共享数据时能够保持一致的视觉和理解。

3. 处理性能：SimpleITK的优化实现提高了大规模3D医学图像处理的效率，特别是在处理高分辨率体积数据时。

4. 数据完整性：新的处理流程更好地保留了医学图像中的元数据，这对于依赖精确空间信息的应用(如手术规划)尤为重要。

Supervisely通过这些技术改进，进一步巩固了其在医学影像AI开发平台中的地位，为研究人员和开发者提供了更强大、更可靠的工具支持。

supervisely Supervisely SDK for Python - convenient way to automate, customize and extend Supervisely Platform for your computer vision task 项目地址: https://gitcode.com/gh_mirrors/su/supervisely