BRATS2020数据集实战指南：从数据预处理到模型训练的全流程解析

1次阅读

共计 2246 个字符，预计需要花费 6 分钟才能阅读完成。

BRATS2020 是脑肿瘤分割领域的权威数据集，包含多模态 MRI 扫描（T1、T1c、T2、FLAIR）和专家标注的肿瘤子区域（坏死 / 水肿、增强肿瘤、肿瘤核心）。每个病例包含 155 张轴向切片，图像尺寸为 240×240 像素，特别适合研究 3D 上下文信息在医学影像分析中的应用价值。

推荐使用 nibabel 库加载 NIfTI 文件，它能自动处理头部信息并返回 numpy 数组：

import nibabel as nib

def load_nii(filepath):
    """加载 NIfTI 文件并返回数据和 affine 矩阵"""
    img = nib.load(filepath)
    return img.get_fdata(), img.affine

处理缺失模态时建议添加有效性检查：

modalities = ['t1', 't1ce', 't2', 'flair']
for mod in modalities:
    if not os.path.exists(f'{case_id}_{mod}.nii.gz'):
        print(f'Warning: Missing {mod} for case {case_id}')
        # 可用零矩阵或相邻切片插值替代

医学影像的强度值差异较大，需做 Z -score 标准化：

def normalize(img):
    """针对非零区域做强度归一化"""
    mask = img > 0
    mean = img[mask].mean()
    std = img[mask].std()
    return (img - mean) / (std + 1e-8)

脑部区域裁剪可减少计算量：

def crop_brain_region(vol, margin=5):
    """根据非零区域自动裁剪，保留 margin 像素边界"""
    coords = np.where(vol > 0)
    min_z, max_z = np.min(coords[0]), np.max(coords[0])
    min_y, max_y = np.min(coords[1]), np.max(coords[1])
    min_x, max_x = np.min(coords[2]), np.max(coords[2])
    return vol[min_z-margin:max_z+margin, 
               min_y-margin:max_y+margin,
               min_x-margin:max_x+margin]

3D 数据增强需要保持空间一致性：

import torchio as tio

transforms = tio.Compose([tio.RandomFlip(axes=(0,1,2), p=0.5),
    tio.RandomAffine(scales=(0.9, 1.1), 
                    degrees=10,
                    translation=5),
    tio.RandomNoise(std=0.01)
])

import torch.nn as nn

class DoubleConv(nn.Module):
    """(卷积 → BN → ReLU) × 2"""
    def __init__(self, in_ch, out_ch):
        super().__init__()
        self.net = nn.Sequential(nn.Conv3d(in_ch, out_ch, kernel_size=3, padding=1),
            nn.BatchNorm3d(out_ch),
            nn.ReLU(inplace=True),
            nn.Conv3d(out_ch, out_ch, kernel_size=3, padding=1),
            nn.BatchNorm3d(out_ch),
            nn.ReLU(inplace=True)
        )

    def forward(self, x):
        return self.net(x)

将 4 模态数据堆叠为 4 通道输入：

# 假设输入形状为 [batch, modalities, D, H, W]
x = torch.cat([t1, t1ce, t2, flair], dim=1)

使用 patch-based 训练减少显存占用：

def extract_patches(volume, patch_size=64):
    """将大体积图像拆分为重叠的小 patch"""
    return volume.unfold(1, patch_size, patch_size//2)
                  .unfold(2, patch_size, patch_size//2)
                  .unfold(3, patch_size, patch_size//2)

患者级数据划分：必须确保同一患者的扫描不会同时出现在训练集和验证集
测试集标签不可见：官方测试集标签需通过在线平台提交预测结果获取
模态顺序一致性：不同病例的模态存储顺序可能不同，需通过文件名明确指定
标签重映射：原始标签为[0,1,2,4]，需转换为连续整数[0,1,2,3]

如何处理肿瘤区域和非肿瘤区域的极端类别不平衡？
能否利用未标注病例（BRATS2020 包含 369 例无标签数据）进行半监督学习？
不同模态之间是否存在最优融合策略（如早期 / 晚期融合）？

BraTS 2020 Challenge 官方说明
Bakas S, et al. “Advancing The Cancer Genome Atlas glioma MRI collections with expert segmentation labels and radiomic features” Nature Scientific Data, 2017

正文完