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

没有评论

共计 2385 个字符，预计需要花费 6 分钟才能阅读完成。

Brats2020 是脑肿瘤分割领域最权威的基准数据集之一，包含多模态 MRI 扫描和专家标注的肿瘤区域。该数据集对于研究胶质瘤（最常见且最具侵袭性的脑肿瘤）分割算法至关重要。数据集特点包括：

包含 369 例训练数据和 125 例测试数据
每例提供 T1、T1ce、T2、FLAIR 四种模态的扫描
专家标注了水肿、增强肿瘤、坏死等子区域
数据以 NIfTI 格式（.nii.gz）存储，这是医学影像常用格式

访问官方注册页面：https://www.med.upenn.edu/cbica/brats2020/registration.html
填写学术机构邮箱（不接受个人邮箱如 Gmail）和基本信息
等待 1 - 2 个工作日获取下载权限邮件
登录后选择 ”BraTS2020 Training Data” 和 ”BraTS2020 Validation Data” 下载

注意事项：

总数据量约 60GB，确保有足够存储空间
推荐使用 wget 或 aria2 等支持断点续传的工具
下载后校验 MD5 值确保文件完整

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）

使用 nibabel 加载 NIfTI 文件的 Python 示例：

import nibabel as nib
import numpy as np

# 加载单个模态数据
img_path = "BraTS20_Training_001/BraTS20_Training_001_flair.nii.gz"
img = nib.load(img_path)
data = img.get_fdata()  # 获取 numpy 数组

print(f"数据维度: {data.shape}")  # 通常为(240, 240, 155)
print(f"数据类型: {data.dtype}")  # 通常为 float32

完整预处理代码示例：

import numpy as np
from skimage.transform import resize

def preprocess_volume(volume, target_shape=(128, 128, 128)):
    """标准化和重采样"""
    # 1. 归一化到[0,1]
    volume = (volume - volume.min()) / (volume.max() - volume.min())

    # 2. 重采样到目标尺寸
    volume = resize(volume, target_shape, mode='constant', preserve_range=True)

    # 3. 添加通道维度
    return volume[np.newaxis, ...]

# 处理所有模态
modalities = ['flair', 't1', 't1ce', 't2']
processed_data = []

for mod in modalities:
    img = nib.load(f"BraTS20_Training_001/BraTS20_Training_001_{mod}.nii.gz")
    processed = preprocess_volume(img.get_fdata())
    processed_data.append(processed)

# 堆叠多模态数据 (4, 128, 128, 128)
final_data = np.concatenate(processed_data, axis=0)

路径问题：
使用 os.path.join() 代替硬编码路径

示例：

import os
case_folder = os.path.join("Brats2020_TrainingData", "BraTS20_Training_001")

内存溢出：
处理前检查数据大小：data.nbytes / (1024**3) GB
使用生成器分批加载数据
维度混淆：
医学影像通常是(height, width, depth)
深度学习框架通常要求(channel, height, width, depth)

内存映射 ：对大型文件使用 nibabel 的mmap 模式
```
img = nib.load(img_path, mmap=True)
```

并行处理：

from joblib import Parallel, delayed

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

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