Brats2021数据集实战指南：医学影像分割新手避坑手册

共计 3031 个字符，预计需要花费 8 分钟才能阅读完成。

核心概念：理解 Brats2021 数据集

Brats2021 是脑肿瘤分割领域的权威数据集，包含 1250 例多模态 MRI 扫描（训练集 + 验证集）。每例数据包含：

• 4 种模态：T1、T1ce、T2、FLAIR（均为 nii.gz 格式）
• 3 类标签：
• ET（增强肿瘤区域）
• TC（肿瘤核心）
• WT（全肿瘤区域）

文件结构示例：

BraTS2021_00000
├── BraTS2021_00000_flair.nii.gz
├── BraTS2021_00000_t1.nii.gz
├── BraTS2021_00000_t1ce.nii.gz
├── BraTS2021_00000_t2.nii.gz
└── BraTS2021_00000_seg.nii.gz

新手常见痛点分析

1. 多模态数据对齐错误 ：不同模态的影像空间坐标未统一
2. 标签维度不匹配 ：seg 文件与影像数据的矩阵维度不一致
3. 内存溢出 ：直接加载全部 3D 数据导致显存爆炸
4. 体素值误解 ：将原始 DICOM 值误当作 HU 值处理
5. 标签合并混乱 ：ET/TC/WT 区域处理顺序错误

技术方案实现

数据加载与异常处理

import nibabel as nib
import numpy as np

def load_nii(filepath):
    try:
        img = nib.load(filepath)
        data = img.get_fdata()
        affine = img.affine  # 保存仿射变换矩阵
        return np.ascontiguousarray(data), affine
    except Exception as e:
        print(f"Error loading {filepath}: {str(e)}")
        return None, None

多模态数据标准化

from sklearn.preprocessing import StandardScaler

def normalize_modality(data, mask):
    # 只对脑部区域做归一化
    scaler = StandardScaler()
    masked_data = data[mask > 0]
    if len(masked_data) > 0:
        scaler.fit(masked_data.reshape(-1, 1))
        normalized = scaler.transform(data.reshape(-1, 1))
        return normalized.reshape(data.shape)
    return data

3D 切片可视化

import matplotlib.pyplot as plt

def show_slices(slices):
    fig, axes = plt.subplots(1, len(slices))
    for i, slice in enumerate(slices):
        axes[i].imshow(slice.T, cmap="gray", origin="lower")
    plt.show()

# 使用示例
mri_data, _ = load_nii("BraTS2021_00000_flair.nii.gz")
show_slices([mri_data[100,:,:], mri_data[:,100,:], mri_data[:,:,100]])

模型适配实战

PyTorch Dataset 类构建

from torch.utils.data import Dataset
import torch

class BratsDataset(Dataset):
    def __init__(self, data_paths, transform=None):
        self.data_paths = data_paths
        self.transform = transform

    def __len__(self):
        return len(self.data_paths)

    def __getitem__(self, idx):
        # 加载 4 模态数据并堆叠
        modalities = []
        for mod in ['t1', 't1ce', 't2', 'flair']:
            path = f"{self.data_paths[idx]}_{mod}.nii.gz"
            data, _ = load_nii(path)
            modalities.append(data)

        image = np.stack(modalities, axis=-1)  # (H,W,D,4)
        label, _ = load_nii(f"{self.data_paths[idx]}_seg.nii.gz")

        if self.transform:
            image, label = self.transform(image, label)

        return torch.FloatTensor(image), torch.LongTensor(label)

数据增强策略

import elasticdeform

def random_3d_augment(image, label):
    # 随机旋转
    k = np.random.randint(0, 4)
    image = np.rot90(image, k=k, axes=(0,1))
    label = np.rot90(label, k=k, axes=(0,1))

    # 弹性形变
    if np.random.rand() > 0.5:
        [image, label] = elasticdeform.deform_random_grid([image, label], 
            sigma=5, 
            points=3
        )
    return image, label

避坑指南

内存优化方案

1. 使用 HDF5 存储预处理数据 ：

   import h5py
   
   with h5py.File('preprocessed.h5', 'w') as f:
       f.create_dataset('images', data=all_images, compression="gzip")
       f.create_dataset('labels', data=all_labels, compression="gzip")

2. 分块加载策略 ：训练时每次只加载单个切片或小块区域

标签处理规范

正确合并标签的优先级顺序：

# seg.nii.gz 中的原始值：# 1: Necrotic/ 非增强肿瘤 (NET)
# 2: 水肿 (EDEMA) 
# 4: 增强肿瘤 (ET)

def convert_labels(original):
    # 创建全零矩阵
    result = np.zeros_like(original)

    # WT = ET + NET + EDEMA (1+2+4)
    result[original > 0] = 1

    # TC = ET + NET (1+4)
    result[np.isin(original, [1,4])] = 2

    # ET (4)
    result[original == 4] = 3

    return result  # 0: 背景 1:WT 2:TC 3:ET

性能对比实验

动手实践

1. 在 Colab 中挂载 Google Drive
2. 下载 Brats2021 样例数据
3. 尝试运行本文的预处理代码
4. 可视化不同模态的 MRI 切片
5. 观察标签合并前后的差异

# Colab 初始化代码
!pip install nibabel elasticdeform
from google.colab import drive
drive.mount('/content/drive')

通过本指南，希望你能避开医学影像处理初期的常见陷阱。记住关键原则：总是检查数据维度、保留仿射矩阵、优先优化内存访问模式。在实践中遇到问题时，建议先在小样本上验证流程正确性，再扩展到全数据集。