Brats2020数据集下载与预处理实战指南：医学影像分析新手避坑手册

1次阅读

共计 2927 个字符，预计需要花费 8 分钟才能阅读完成。

Brats2020 是脑肿瘤分割领域最具影响力的基准数据集之一，包含多模态 MRI 扫描和专家标注的肿瘤分割标签。该数据集对于开发自动脑肿瘤分割算法至关重要，广泛应用于学术研究和工业界。数据集涵盖了胶质瘤（最常见且侵袭性的原发性脑肿瘤）的四种 MRI 序列：T1、T1ce、T2 和 FLAIR，以及对应的 ground truth 分割标签。

访问Brats2020 官方网站
点击 ”Register” 按钮填写注册表单（需提供学术邮箱）
在邮箱中查收确认链接并激活账户
登录后进入 ”Data” 页面，仔细阅读数据使用协议
选择 ”Training Data” 和 ”Validation Data” 进行下载（总大小约 40GB）

重要提示：
– 确保网络稳定，推荐使用下载管理器
– 准备至少 100GB 的可用磁盘空间
– 下载完成后验证文件完整性（官方提供 MD5 校验码）

数据集目录结构示例：

Brats2020_TrainingData/
├── BraTS20_Training_001/
│   ├── BraTS20_Training_001_flair.nii.gz
│   ├── BraTS20_Training_001_t1.nii.gz
│   ├── BraTS20_Training_001_t1ce.nii.gz
│   ├── BraTS20_Training_001_t2.nii.gz
│   └── BraTS20_Training_001_seg.nii.gz
└── ...（其他病例类似）

使用 nibabel 加载.nii.gz 文件的 Python 示例：

import nibabel as nib
import numpy as np

# 加载单个 MRI 序列
def load_nii(filepath):
    img = nib.load(filepath)
    data = img.get_fdata()
    affine = img.affine
    header = img.header
    return data, affine, header

# 示例：加载 FLAIR 序列
flair_path = "BraTS20_Training_001/BraTS20_Training_001_flair.nii.gz"
flair_data, _, _ = load_nii(flair_path)
print(f"FLAIR 数据维度: {flair_data.shape}")
print(f"像素值范围: {np.min(flair_data)} - {np.max(flair_data)}")

完整预处理代码示例：

import numpy as np
from sklearn.preprocessing import MinMaxScaler

def preprocess_volume(volume):
    """标准化单个体积数据"""
    # 去除极值（0.5% 和 99.5% 分位数）lower = np.percentile(volume, 0.5)
    upper = np.percentile(volume, 99.5)
    volume = np.clip(volume, lower, upper)

    # 归一化到[0,1]
    scaler = MinMaxScaler()
    original_shape = volume.shape
    volume = scaler.fit_transform(volume.reshape(-1, 1)).reshape(original_shape)

    return volume

def extract_patches(volume, patch_size=(128, 128, 32), stride=64):
    """从 3D 体积中提取重叠 patches"""
    patches = []
    depth, height, width = volume.shape

    for z in range(0, depth - patch_size[2] + 1, stride):
        for y in range(0, height - patch_size[1] + 1, stride):
            for x in range(0, width - patch_size[0] + 1, stride):
                patch = volume[z:z+patch_size[2], 
                              y:y+patch_size[1], 
                              x:x+patch_size[0]]
                patches.append(patch)

    return np.array(patches)

# 完整预处理流程
def full_preprocessing(patient_dir):
    modalities = []
    for seq in ['flair', 't1', 't1ce', 't2']:
        path = f"{patient_dir}/BraTS20_Training_001_{seq}.nii.gz"
        data, _, _ = load_nii(path)
        modalities.append(preprocess_volume(data))

    # 合并多模态数据 (H x W x D x C)
    multimodal = np.stack(modalities, axis=-1)

    # 提取 patches
    patches = extract_patches(multimodal)

    return patches

常见问题及解决方案：

路径错误
问题：Windows 系统路径分隔符与 Linux 不同
解决：使用 os.path.join() 构建跨平台路径
内存溢出
问题：一次性加载所有数据导致 OOM
解决：逐病例处理或使用生成器
文件格式混淆
问题：将.nii.gz 文件当作普通压缩包解压
解决：直接使用 nibabel 加载，不要手动解压
数据泄露
问题：在预处理前划分训练 / 验证集
解决：先完成所有预处理再划分数据集

处理大型医学影像的高效技巧：

内存映射
```
img = nib.load(filepath, mmap=True)
```

并行处理

from joblib import Parallel, delayed

def process_case(case_path):
    # 处理单个病例
    return full_preprocessing(case_path)

case_paths = [...] # 所有病例路径列表
results = Parallel(n_jobs=4)(delayed(process_case)(p) for p in case_paths)