【Segment Anything Model】做分割的专栏链接，欢迎来学习。
【博主微信】cvxiaoyixiao
本专栏为公开数据集的介绍和预处理，持续更新中。

1️⃣Synapse数据集介绍

文件结构

官网分为train和test train有83例患者nii原图和label。test有72名患者nii原图，没有label

源文件样图

文件内容

Synapse数据集由13个腹部器官由两名经验丰富的本科生手动标记，并由放射科医生使用MIPAV软件在体积基础上进行验证，包括：

（1） 脾脏
（2） 右肾
（3） 左肾
（4） 胆囊
（5） 食道
（6） 肝
（7） 胃
（8） 主动脉
（9） 下腔静脉
（10） 门静脉和脾静脉
（11） 胰腺
（12） 右肾上腺
（13） 左肾上腺

在勾画的GT图像中，像素大小代表类别，并和上面对应，比如 像素为2的地方代表是右肾。
⚠️⚠️⚠️有些患者可能没有（2）右肾或（4）胆囊，因此没有标记。

2️⃣Synapse数据集百度网盘下载链接

官网下载

官网链接
打开点击Files 不要直接点击Download Options❌ 要点击下面三个文件，选择要下载的东西。需要登录谷歌账号和借助加速器。

登录

登录进来是这样子的，这个时候在点击Download Options，之后点击Add

下载

点击左侧栏目的下载箭头，点击download，输入名字，点击Download Package

没有加速器的从百度网盘下载 永久有效💮 💯

链接： https://pan.baidu.com/s/1jJm7tbiDMOA8S331QFu8CQ?pwd=bw5i 提取码：bw5i
–来自百度网盘超级会员V6的分享

3️⃣Synapse数据集预处理目标

改变Synapse数据集类别

官方是：

（1） 脾脏
（2） 右肾
（3） 左肾
（4） 胆囊
（5） 食道
（6） 肝
（7） 胃
（8） 主动脉
（9） 下腔静脉
（10） 门静脉和脾静脉
（11） 胰腺
（12） 右肾上腺
（13） 左肾上腺

改变为：

1：脾脏
2：右肾
3：左肾
4:胆囊
5：肝脏
6:胃
7：主动脉
8：胰腺

对应关系也就是：

hashmap = {1:1, 2:2, 3:3, 4:4, 5:0, 6:5, 7:6, 8:7, 9:0, 10:0, 11:8, 12:0, 13:0}

将官方Synapse数据集的Training 文件分切片转为npz保存。

每个npz包含一个切片img和对应的label，文件名字以样本名称和切片id命名
比如第一个样本叫case0005，保存其第2个切片，那么最好的npz名称为case0005_slice002.npz
作为训练集的输入。

将官方Synapse数据集的Training的部分文件处理为hy文件格式保存

每个h5文件包含一个切片img和对应的label，并且以样本名称和切片id命名

4️⃣代码

文件目录

自己划分Training文件到自己的测试集和训练集，因为官网的测试集没有label。

代码

import os
from glob import glob
import h5py
import nibabel as nib
import numpy as np
from tqdm import tqdm

# 自己手动选择的测试样本
test_data = [1, 2, 3, 4, 8, 22, 25, 29, 32, 35, 36, 38]
# 源数据集类别和我们规定的类别对应关系
hashmap = {1:1, 2:2, 3:3, 4:4, 5:0, 6:5, 7:6, 8:7, 9:0, 10:0, 11:8, 12:0, 13:0}

use_normalize=True
# 文件夹路径，保存处理之后的npz文件
dst_path="./pre_over_dataset"
def preprocess_train_image(image_files: str, label_files: str) -> None:
    # 创建一个文件夹，保存处理之后的npz文件
    os.makedirs(f"{dst_path}/train_npz", exist_ok=True)

    a_min, a_max = -125, 275
    b_min, b_max = 0.0, 1.0
    print(len(image_files))

    pbar = tqdm(zip(image_files, label_files), total=len(image_files))
    for image_file, label_file in pbar:
        # **/imgXXXX.nii.gz -> parse XXXX
        number = image_file.split('/')[-1][3:10]

        if int(number) in test_data:
            continue

        image_data = nib.load(image_file).get_fdata()
        label_data = nib.load(label_file).get_fdata()

        image_data = image_data.astype(np.float32)
        label_data = label_data.astype(np.float32)
        # 除去像素中在最大值和最小值之外的。
        # 如果某个像素小于最小值则替换成最小值，如果某个像素大于最大值，则替换成最大值
        image_data = np.clip(image_data, a_min, a_max)
        # 是否进行归一化
        if use_normalize:
            assert a_max != a_min
            image_data = (image_data - a_min) / (a_max - a_min)

        H, W, D = image_data.shape
        # 通道最先
        image_data = np.transpose(image_data, (2, 1, 0))  # [D, W, H]
        label_data = np.transpose(label_data, (2, 1, 0))

        counter = 1
        # 遍历哈希表，将元数据分类对应我们规定的新分类。
        for k in sorted(hashmap.keys()):
            assert counter == k
            counter += 1
            # 并更改对应位置像素值，到新的分类
            label_data[label_data == k] = hashmap[k]
        # 按照deep分切片保存
        for dep in range(D):
            save_path = f"{dst_path}/train_npz/case{number}_slice{dep:03d}.npz"
            # 保存成npz，里面是label和image
            np.savez(save_path, label=label_data[dep,:,:], image=image_data[dep,:,:])
    pbar.close()


def preprocess_valid_image(image_files: str, label_files: str) -> None:
    os.makedirs(f"{dst_path}/test_vol_h5", exist_ok=True)
#我们规定的最大最小像素。可以改
    a_min, a_max = -125, 275
    b_min, b_max = 0.0, 1.0

    pbar = tqdm(zip(image_files, label_files), total=len(image_files))
    for image_file, label_file in pbar:
        # **/imgXXXX.nii.gz -> parse XXXX
        number = image_file.split('/')[-1][3:7]

        if int(number) not in test_data:
            continue

        image_data = nib.load(image_file).get_fdata()
        label_data = nib.load(label_file).get_fdata()

        image_data = image_data.astype(np.float32)
        label_data = label_data.astype(np.float32)

        image_data = np.clip(image_data, a_min, a_max)
        if use_normalize:
            assert a_max != a_min
            image_data = (image_data - a_min) / (a_max - a_min)

        H, W, D = image_data.shape

        image_data = np.transpose(image_data, (2, 1, 0))
        label_data = np.transpose(label_data, (2, 1, 0))

        counter = 1
        for k in sorted(hashmap.keys()):
            assert counter == k
            counter += 1
            label_data[label_data == k] = hashmap[k]

        save_path = f"{dst_path}/test_vol_h5/case{number}.npy.h5"
        f = h5py.File(save_path, 'w')
        f['image'] = image_data
        f['label'] = label_data
        f.close()
    pbar.close()


if __name__ == "__main__":
    # 根目录，到Training文件夹就行
    data_root = "./Training"

    # 获取所有训练测试文件
    image_files = sorted(glob(f"{data_root}/img/*.nii.gz"))
    label_files = sorted(glob(f"{data_root}/label/*.nii.gz"))
    # 传入预处理函数,这个是转为npz的
    preprocess_train_image(image_files, label_files)
    # 这个是转为h5的
    preprocess_valid_image(image_files, label_files)