Brats数据集下载与预处理全指南：医学影像分析新手避坑手册

1次阅读

没有评论

共计 2625 个字符，预计需要花费 7 分钟才能阅读完成。

Brats（Brain Tumor Segmentation）是脑肿瘤分割领域的权威数据集，由 MICCAI 会议维护。它包含多模态 MRI 扫描（T1、T1c、T2、FLAIR）及专家标注的肿瘤区域标签，主要解决以下问题：

胶质瘤（Glioblastoma）的自动分割
肿瘤子区域（坏死核心、增强肿瘤、水肿区）的区分
多中心数据一致性挑战

在 2023 年的版本中，数据集已扩展到 2000+ 病例，包含低级别（LGG）和高级别（HGG）肿瘤数据，成为评估分割算法性能的黄金标准。

访问官方页面点击 ”Request Access”
填写机构邮箱（建议使用.edu 后缀提高通过率）
签署数据使用协议（DUA），需注意：
禁止商业用途
引用要求（必须引用指定论文）
结果共享义务

通过审核后，您将收到包含下载链接的邮件。建议：

使用 wget 命令批量下载（避免浏览器断连）

wget -c https://path/to/brats2023.zip  # - c 支持断点续传

校验文件完整性（官方提供 MD5）：

import hashlib
def check_md5(filename, true_md5):
    with open(filename, "rb") as f:
        return hashlib.md5(f.read()).hexdigest() == true_md5

解压后典型结构如下（以 Brats2023 为例）：

Brats2023/
├── TrainingData/
│   ├── BraTS2023_00000/
│   │   ├── BraTS2023_00000_flair.nii.gz
│   │   ├── BraTS2023_00000_t1.nii.gz
│   │   ├── BraTS2023_00000_t1ce.nii.gz
│   │   ├── BraTS2023_00000_t2.nii.gz
│   │   └── BraTS2023_00000_seg.nii.gz  # 专家标注
│   └── ...
└── ValidationData/  # 无标注，用于比赛提交

关键文件说明：

.nii.gz格式：NIfTI 压缩格式，医学影像标准格式
模态后缀：flair/t1/t1ce/t2 对应不同 MRI 序列
seg 文件：标签值为 0（背景）、1（坏死核心）、2（水肿）、4（增强肿瘤）

安装必需库：

pip install nibabel numpy scikit-learn matplotlib

使用 Nibabel 读取 NIfTI 文件：

import nibabel as nib

# 加载单个病例
case_path = "BraTS2023_00000"
flair_img = nib.load(f"{case_path}/BraTS2023_00000_flair.nii.gz")
seg_img = nib.load(f"{case_path}/BraTS2023_00000_seg.nii.gz")

# 获取 NumPy 数组
flair_data = flair_img.get_fdata()  # 形状如 (240, 240, 155)
seg_data = seg_img.get_fdata()

医学影像常用 Z -score 标准化：

from sklearn.preprocessing import StandardScaler

# 处理 4D 数据（合并所有模态）modalities = ['flair', 't1', 't1ce', 't2']
all_data = np.stack([nib.load(f"{case_path}/BraTS2023_00000_{m}.nii.gz").get_fdata() 
                    for m in modalities], axis=-1)  # (H,W,D,C)

# 只对脑部区域标准化（避免背景干扰）mask = all_data[..., 0] > 0  # 使用 FLAIR 通道创建掩膜
scaler = StandardScaler()
all_data[mask] = scaler.fit_transform(all_data[mask].reshape(-1, 4)).reshape(-1, 4)

现象：解压时报 CRC 错误
解决方案：
重新下载损坏的分卷

使用 zip -FF 命令修复：

zip -FF BRATS2023.zip --out repaired.zip

现象：某些病例缺少 t1ce 序列

处理方案：

if not os.path.exists(t1ce_path):
    # 用 T1 加权图像近似替代
    t1ce_data = t1_data * 1.2  # 经验系数

使用 DVC 管理数据集版本

示例 .dvc 配置：

outs:
  - path: Brats2023
    md5: d3b07384d113edec49eaa6238ad5ff00
    cache: true
    metric: false

推荐使用 Monai 框架构建标准化流程：

from monai.transforms import (
    Compose, LoadImaged, AddChanneld, Spacingd,
    ScaleIntensityRanged, CropForegroundd
)

transforms = Compose([LoadImaged(keys=["image", "label"]),
    AddChanneld(keys=["image", "label"]),
    Spacingd(keys=["image", "label"], pixdim=(1,1,1)),
    ScaleIntensityRanged(
        keys="image", a_min=-200, a_max=200,
        b_min=0.0, b_max=1.0, clip=True
    ),
    CropForegroundd(keys=["image", "label"], source_key="image")
])

现在您已经掌握了 Brats 数据集从下载到预处理的全流程。建议在 Kaggle Notebook 中尝试完整流程（可使用预置的 Brats 数据），遇到问题时参考官方论坛的FAQ。下一步可以尝试：