一.Transform 的分类

具体API函数请参考文档：https://docs.monai.io/en/latest/transforms.html

二 普通变换和字典变换的联系与区别

普通变换又可以说是基于数组的变换：image和label是以数组形式给到Dataset。字典变换是基于字典的变换（image和label是一个字典对)。
普通变换和字典变换的功能是一样的，只是字典变换在每个transform后面都加了一个"d", 也可以写成”D“。如LoadImage/LoadImaged, Resize/Resized
使用字典变换时，必须指明该变换是对image做，还是label做。如，LoadImaged（keys=‘image’）,表明只加载image

三 加载与显示图像

# -*- coding : UTF-8 -*-
# @file   : monai_03.py
# @Time   : 2023-08-02 18:17
# @Author : wmz

import os
import glob
import matplotlib.pyplot as plt

from monai.transforms import (
    AsDiscreted,
    AddChanneld,
    Compose,
    CropForegroundd,
    SpatialPadd,
    ResizeWithPadOrCropd,
    LoadImaged,
    Orientationd,
    RandCropByPosNegLabeld,
    ScaleIntensityRanged,
    KeepLargestConnectedComponentd,
    Spacingd,
    ToTensord,
    RandAffined,
    RandFlipd,
    RandCropByPosNegLabeld,
    RandShiftIntensityd,
    RandRotate90d,
    EnsureTyped,
    Invertd,
    KeepLargestConnectedComponentd,
    SaveImaged,
    Activationsd
)

if __name__ == "__main__":
    print("processing")
    data_dir = r"E:\BaiduNetdiskDownload\Flare2021"
    train_images = sorted(
        glob.glob(os.path.join(data_dir, "imagesTr", "*.nii.gz")))
    train_labels = sorted(
        glob.glob(os.path.join(data_dir, "labelsTr", "*.nii.gz")))
    data_dicts = [
        {"image": image_name, "label": label_name}
        for image_name, label_name in zip(train_images[:4], train_labels[:4])
    ]
    train_data_dicts, val_data_dicts = data_dicts[:2], data_dicts[-2:]

    # 1. 加载数据与打印信息
    loader = LoadImaged(keys=("image", "label"))
    data_dict = loader(train_data_dicts[0])
    print(f"image shape: {data_dict['image'].shape}")
    print(f"label shape: {data_dict['label'].shape}")
    print("max pixel val:{}".format(data_dict["image"].max()))
    print("min pixel val:{}".format(data_dict["image"].min()))
    print(f"image pixdim:\n{data_dict['image_meta_dict']['pixdim'][2]}")
    print(f"image dim:\n{data_dict['image_meta_dict']['dim']}")
    print(f"data_dict keys:{data_dict.keys()}")
    print(f"data_dict img_meta_dict :{data_dict['image_meta_dict'].keys()}\n")
    print(f"data_dict img_meta_dict :{data_dict['image_meta_dict'].values()}\n")
    # 2. 显示
    image, label = data_dict["image"], data_dict["label"]
    plt.figure("visualize", (8, 4))
    plt.subplot(1, 2, 1)
    plt.title("image")
    plt.imshow(image[:, :, 132], cmap="gray")
    plt.subplot(1, 2, 2)
    plt.title("label")
    plt.imshow(label[:, :, 132])
    plt.show()

参考：MONAI Transform 分析和使用
参考：MONAI-如何加载图像
官方参考文档
MONAI API 文档

[MONAI(3)—一文看懂各种Transform用法（上）_51CTO博客_transforms用法详解](https://blog.51cto.com/u_16159492/6481601#:~:text=MONAI (3)—一文看懂各种Transform用法（上） 1 1.数据准备 2 2. 加载NIfTI 格式的文件【,%2F ScaleIntensityRanged] 5 5 空间变换 [Rotate90d %2F Resized])

MONAI-如何加载图像_@左左@右右的博客-CSDN博客

MONAI(4)—一文看懂各种Transform用法（下）_cropforegroundd_Tina姐的博客-CSDN博客

tutorials/2d_classification/mednist_tutorial.ipynb at main · Project-MONAI/tutorials · GitHub

2.monai——transform数据处理_randcropbyposneglabeld_Jorko的浪漫宇宙的博客-CSDN博客

一款专门为医学图像定制的框架（MONAI），太好用了！_Tina姐的博客-CSDN博客

使用MONAI深度学习框架进行3D图像空间变换_不入流儿的博客-CSDN博客

医学图像深度学习3D数据增强之MONAI框架方法利用 - 知乎 (zhihu.com)

GitHub - JunMa11/AbdomenCT-1K: The official repository of “AbdomenCT-1K: Is Abdominal Organ Segmentation A Solved Problem?”

monai.tansforms.xxx 常用函数&作用_mri数据扩充randgaussiannoise_Tina姐的博客-CSDN博客