3D医学影像数据处理

3D医学影像数据处理

数据集介绍：

参考：https://github.com/JunMa11/AbdomenCT-1K

此3D影像数据处理文档针对以下数据集的子任务1，处理。

数据下载地址：AbdomenCT-1K: Fully Supervised Learning Benchmark | Zenodo

子任务1：

全监督的腹部器官分割任务，训练集改编自MSD胰腺（281例）和NIH胰腺（80例），其中361例ct扫描来自门静脉阶段。

子任务2：

训练集改编自 MSD胰腺（281例），LiTS（40例)和KiTS（40例），其中病例来自不同的阶段。

训练集中的所有病例都有四个标签，包括肝脏（标签 1）、肾脏（标签 2）、脾脏（标签 3）和胰腺（标签 4），注意一定要设置背景（标签 0）。 这两个子任务共享具有 100 个实例的同一测试集。训练集和测试集中的实例在每个子任务中都没有重叠。

数据集展示：

图像和标签最好是相同的名字。所有图像（包括标签）必须是3D nifti文件（.nii.gz）！

图像的统一命名格式case_identifier_XXXX.nii.gz，标签的统一命名格式case_identifier.nii.gz。

XXXX是模态标识符, 四位整数。

此命名方案将导致以下文件夹结构。必须严格将其数据转换为这种格式！

举例1：这是MSD的第一个任务的示例：BrainTumour。每个图像都有四个模态：FLAIR（0000），T1w（0001），T1gd（0002）和T2w（0003）。

医学影像分割入门MRI关于T1、T2、Flair等概念_t1flair与t2flair区别_Owenhhhh的博客-优快云博客

Imagesets样式：

可视化图像：

读取nii或nii.gz文件中的信息即输出图像操作 - 腾讯云开发者社区-腾讯云 (tencent.com)

Label样式：