search

Kaido0 / Unet-BrainTissue-Seg

修改了大神的代码，适用于MICCAI2012数据集
0 stars 1 forks source link

制作train.npy,test.npy,mask.npy #2

Closed wenwenyu closed 6 years ago

wenwenyu commented 6 years ago

请问你第一步中是如何处理成.npy文件的呢？

Kaido0 commented 6 years ago

@WENWENYU

我用的是.mha格式的图像，用SimpleITK工具包直接读取，然后用numpy保存成.npy.在这里1代表图像个数，50代表层数，512为宽和高。 代码可以参考下面这个。不清楚再联系～

` import SimpleITK as sitk def read_vol(path,n): path=os.path.join(path,n) itk_img=sitk.ReadImage(path) data=sitk.GetArrayFromImage(itk_img) return data

train = np.empty((1, 50, 512, 512)) train_npy=read_vol(path,name) np.save('train.npy',train_npy)

wenwenyu commented 6 years ago

@Kaido0 按照你readme里提到的数据集MICCAI2012，我下载下来的图像格式是.nii.gz格式的，请问你的数据集下载下来的是的吗，还是你转换成.mha格式的呢？

wenwenyu commented 6 years ago

我的数据是从这网站下载的：https://my.vanderbilt.edu/masi/workshops/。选择 MICCAI 2012 Grand Challenge and Workshop on Multi-Atlas Labeling 这个的，不知道对不对。 大神。