基于 MONAI 的 3D 图像分割任务1（数据增强可视化）

于 2024-11-18 21:07:17 发布
阅读量650 收藏 4
点赞数
分类专栏： 人工智能（AI）医学影像 文章标签： 3d monai
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wsLJQian/article/details/134947524
版权

文章目录


MONAI是一个医疗领域的开源图像库。本系列就是采用了这个库，实现一些3D图像分割人物的一些前处理工作。引入MONAI的主要原因，是他能够对训练过程进行加速。

从英伟达对 monai 框架的训练加速，主要是从以下几个点着手：

  1. 数据提前缓存到本地
  2. 数据全部，或者部分缓存在CPU内存中
  3. 数据全部，或者部分缓存到GPU内存中
  4. 并行运行DDP

上面几种方法的目的都是为了降低数据读取消耗的时间，进一步提高GPU的平均利用率。这里罗列了官方公布的时间对比，可以点击直达：dataset方法时间对比

本节，主要对下面几点进行介绍：

  1. 对MONAI是个什么有个简单的认识；
  2. 它的数据增强的方法初演示；
  3. 本系列分割任务使用的Task01_BrainTumour 数据集简单查看。

一、MONAI 是什么？

MONAI（Medical Open Network for Artificial Intelligence）

了解本专栏 订阅专栏 解锁全文 超级会员免费看
医学图像的 AI 框架 MONAI 详细教程（一）
李响
03-12 5981
最近在读 CVPR 2023 上和医学图像方向相关的论文，发现其中的 Label-Free Liver Tumor Segmentation 这篇论文使用了 MONAI 这个框架。之前关注过的一些医学图像的期刊论文上，也有 MONAI 的出现，加之前的导师有过推荐，所以了解学习了下。简单检索后，发现网上关于 MONAI 的中文教程还没有，后面会有一系列的很详细的关于 MONAI 的教程，都会在 GiantPandaCV 上发布。
基于 MONAI 的 3D 图像分割任务2（Brain Tumour 和 SwinUNETR 训练）
钱多多先森
11-18 494
一个训练和评估的案例，包括了训练全部代码，可以直接参考
VS_Seg:MONAI（PyTorch）自动分割前庭神经鞘瘤
03-16
使用深度学习自动进行前庭神经鞘瘤分割 该存储库基于以下论文提供了用于在3D T1或T2图像上分割前庭神经鞘瘤的脚本： Wang，G。等。 通过深度空间注意力与硬度加权损失从T2加权MRI自动分割前庭神经鞘瘤，MICCAI，第264-272页，2019。 Shapey，J。等人。 通过对比增强的T1加权和高分辨率T2加权MRI自动分割和量化前庭神经鞘瘤的人工智能框架。 Journal of Neurosurgery，1（aop），第1-9页。 TCIA数据集 这些出版物中描述的数据集可在The Cancer Imaging Archive（TCIA）中公开获得： Shapey，J.，Kujawa，A.，Dorent，R.，Wang，G.，Bisdas，S.，Dimitriadis，A.，Grishchuck，D.，Paddick，I.，Kitchen，N.，Bradford，R.， S
使用 MONAI Deploy 在 AMD GPU 上进行全身分割
数字人生
11-05 1259
2024 年 4 月 4 日 作者：医疗开放网络人工智能（MONAI）是一个开源组织，提供最先进的医疗成像模型的 PyTorch 实现，涵盖从分类和分割到图像生成的各个方面。MONAI 的生命周期为研究人员、临床医生和同领域的贡献者提供了三种不同的端到端工作流工具：MONAI Core、MONAI Label 和 MONAI Deploy。MONAI Core 提供可用于端到端训练和推理的模型。MONAI Label 是一个智能工具，可基于用户交互自动标记数据集。
使用 Monai Bundle 和 Model Zoo 对医学影像数据进行分类-全脑133个结构分割
Tina姐的博客
08-30 1686
MONAIModel Zoo提供了一系列由社区开发的医学影像模型，采用格式。Monai Bundle 允许您轻松获取任何来自 MONAI Model Zoo 的模型并将其导入 MONAILabel。Model Zoo提供的模型包括MRI脑肿瘤分割，CT肺结节检测，病理细胞核分割分类，CT胰腺分割，MRI前列腺分割，CT肾脏分割，CT脾脏分割，MRI脑切片生成等20几个模型。后面会用单独的篇幅分别介绍这些预训练模型的使用。
深度学习三维图像数据增强——Monai实现
YR的博客
02-01 6139
记录使用Monai框架进行深度学习三维图像的数据增强
使用MONAI时，如何选择合适的Dataset加载数据，提升训练速度！
Tina姐的博客
12-06 1173
在深度学习中，MONAI（Medical Open Network for AI）是一个专注于医学图像分析的开源框架。它提供了一系列用于医学图像处理和深度学习的工具和函数，其中包括了Dataset函数。Dataset函数是MONAI框架中的一个重要组件，它用于加载和管理医学图像数据集，并提供了数据增强、预处理和批处理等功能。
医学图像分割数据集：从3d脾脏数据抽取的2d脾脏分割数据集（冠状面、矢状面）
04-08
项目包含：从3d脾脏数据抽取的2d...除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下 【代码无需更改，直接运行就可以随机可视化数据】
spleen图像3D分割-test
08-27
在MonAI中，处理3D图像分割任务的一般步骤可能包括以下步骤： 1. **数据准备**：首先，需要将医学图像数据集进行预处理，包括标准化、重采样、配准等，使其适合模型训练。MonAI提供了`Decord`和`Numpy`等工具来读取...
基于monai框架集成的2D和3D分类程序python源码（课设项目）.zip
最新发布
03-05
MONAI框架尤其适合于处理2D和3D医疗图像数据，因此被广泛应用于医学影像的分类、分割、重建等任务中。 本压缩包文件包含了基于MONAI框架集成的2D和3D分类程序的Python源码。这些源码是为满足课设项目需求而设计，...
MONAILabel in 3D Slicer 案例1: 在腹部CT中自动分割脾脏
weixin_41319672的博客
09-04 127
MONAILabel in 3D Slicer 案例1: 在腹部CT中自动分割脾脏导读本系列涵盖从 3D Slicer 医学图像查看器的基础使用到高级自动分割扩展程序的内容（从入门到高阶！），具体包括软件安装、基础使用教程，自动分割扩展（totalsegmentator, monai label）快速标注数据。在本系列第三...
深入解析MONAI DiceLoss函数：作用、使用方法和参数解析
Tina姐的博客
01-31 1556
在医学影像分割任务中，Dice Loss是一种常用的损失函数，用于衡量预测分割结果与真实标签之间的相似度。MONAI提供了DiceLoss函数，它是一个重要的工具，用于优化深度学习模型在医学影像分割任务中的性能。本文介绍了其作用、使用方法以及各个参数的含义，希望对医学影像领域的从业者能够更好地利用DiceLoss函数进行模型训练和性能优化，并取得更好的分割效果。然后创建了DiceLoss函数的实例，并在模型训练循环中使用DiceLoss计算损失并进行反向传播优化模型。
基于Kaggle学习MONAI（三）2D-Segmentation例程代码详解1
huohuosum的博客
05-25 1507
MONAI网站提供了2D分类/分割、3D分类/分割等例程代码如下图所示，通过学习例程代码，初学者能够尽快掌握MONAI框架，但是由于开源框架软件版本更新较快、各模块功能难以协调等原因，这些例程往往无法在Kaggle平台直接运行。本文对MONAI官网第二个例程，即2D分割例程的代码在Kaggle平台进行了修改和调试，并对修改后的例程代码进行了详细注释，为大家提供参考。本例程的数据集是由MONAI框架的函数生成随机圆圈图像，非常适合展示面向分割应用模型的训练与评估过程。
深度剖析monai(一) Data和Transforms部分
hjyp的博客
06-23 6025
monai使用 自定义数据增强方法 自定义数据读取器 源码思想简略分析
使用 Monai 和 PyTorch 预处理 3D Volumes以进行肿瘤分割
weixin_43229348的博客
12-09 4136
1.介绍 针对在使用传统图像处理工具时可能遇到的困难，深度学习已成为医疗保健领域的主要解决方案。 因为医学图像比标准图像更难处理（高对比度、人体的广泛变化……）深度学习用于分类、对象检测，尤其是分割任务。 在分割方面，深度学习用于分割人体器官，如肝脏、肺和……或分割来自身体不同部位的肿瘤。 医学图像有很多不同的类型，例如 MRI（主要用于脑肿瘤分割）、CT 扫描、PET 扫描等。 本文将重点介绍 CT 扫描，但同样的操作也适用于其他类型。 所以我们知道执行深度学习任务需要许多步骤，其中一个是数据预处理，这是
Monai使用
encourageykk的博客
10-14 2729
Step 1: 创建新环境，Step 2: 安装torch gpu,根据电脑的cuda版本在获取相应的命令，若不使用GPU版本的pytorch则直接到Step 3Step 3: 安装Monai,Setp 4: 安装itk, nibabel包，Step 5: 安装matplotlib, jupyter等其它依赖包，
MONAI入门介绍
qq_55317476的博客
07-28 3142
​ MONAI (Medical Open Network for AI) 是一个专注于医疗图像处理的深度学习框架。下面我们将介绍如何使用 MONAI 进行数据预处理、DataLoader 构建、模型训练以及推理。: 是一个列表，每个元素是一个字典，包含了训练集中每个样本的图像和对应的标签文件路径。例如，表示第一个样本的图像文件路径，表示对应的标签文件路径。val_files: 类似于，包含了验证集中每个样本的图像和标签文件路径。DiceLoss。
MONAI Transform 分析和使用
一璐有你的专栏
08-26 8393
最近在学习深度学习，了解了monai框架，随着学习的不断深入，发现Transform这个模块很重要在做医学图像处理的时候需要用到图像增强，就需要用到个Transform中的各种API进行增强变换 所以在这里记录下，以便大家参考 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...
MONAI教程＜1＞-安装
Tina姐的博客
02-04 9560
MONAI的安装非常简单，常用的有两种方法： 直接 pip install monai 从GitHub 上安装 monai是通常配合其他库一起使用的，比如pytorch, nibabel, skimage, pillow等等。缺什么直接pip install 就行
探索创新：MONAI Generative Models - 深度学习在医疗影像生成领域的革命
gitblog_00056的博客
04-17 1241
探索创新：MONAI Generative Models - 深度学习在医疗影像生成领域的革命 项目地址:https://gitcode.com/gh_mirrors/ge/GenerativeModels 该项目————是一个由MONAI团队开发的开源库，专门用于深度学习在医疗影像生成任务中的应用。MONAI 是一个专注于医疗影像的高性能、开放源代码软件框架，而 Generative Model...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

钱多多先森

你的鼓励，是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值