Brats2021数据集下载与预处理全指南：从数据获取到实战应用

1次阅读

共计 2621 个字符，预计需要花费 7 分钟才能阅读完成。

Brats2021（Brain Tumor Segmentation Challenge 2021）是医学影像分析领域最具影响力的公开数据集之一，专注于脑肿瘤分割任务。该数据集包含 1251 例多模态脑部 MRI 扫描（训练集 1251 例，验证集 219 例），涵盖胶质瘤患者的 T1、T1ce、T2、FLAIR 四种模态影像及专家标注的肿瘤区域标签。其核心价值在于：

提供标准化的评估基准，推动脑肿瘤自动分割算法发展
多模态数据模拟临床真实场景（不同扫描序列互补性强）
标签涵盖肿瘤核心 (TC)、增强肿瘤(ET) 和全肿瘤 (WT) 三类子区域

访问Multimodal Brain Tumor Segmentation Challenge 2021
点击 ”Registration” 填写学术邮箱和机构信息
收到数据使用协议后签署返回
获取 Sage Synapse 平台下载权限（需注册 Synapse 账号）

阿里云镜像：wget https://mirror.aliyun.com/brats2021/BRATS2021_TrainingData.tar
华为云镜像：需通过邮件申请（mirrors@huaweicloud.com）

注意事项：
– 官方下载需 VPN 且速度较慢（约 200GB 数据）
– 镜像文件可能滞后官方版本 1 - 2 周
– 解压后检查 MD5 校验值：md5sum BRATS2021_TrainingData.tar

解压后的目录结构示例如下：

Brats2021_Training_Data/
├── 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
├── BraTS2021_00001/
│   └── ...
└── name_mapping.csv

关键文件说明：
– flair/t1/t1ce/t2：四种模态的 3D NIfTI 格式影像
– seg：专家标注的分割标签（像素值 1 = 坏死, 2= 水肿, 4= 增强肿瘤）
– name_mapping.csv：病例 ID 与临床信息的对应关系

以下 Python 代码使用 NiBabel 和 NumPy 进行基础预处理：

import nibabel as nib
import numpy as np
from skimage.transform import resize

def load_case(case_path):
    """加载单病例的多模态数据"""
    modalities = ['flair', 't1', 't1ce', 't2']
    images = []

    for mod in modalities:
        img_path = f"{case_path}/BraTS2021_{case_id}_{mod}.nii.gz"
        img = nib.load(img_path).get_fdata()
        images.append(img)

    label = nib.load(f"{case_path}/BraTS2021_{case_id}_seg.nii.gz").get_fdata()
    return np.stack(images, axis=-1), label  # 返回 4D 数组(H,W,D,4)

def preprocess(data, label, target_shape=(128,128,128)):
    """标准化与重采样"""
    # 强度归一化（各模态独立）for i in range(data.shape[-1]):
        data[...,i] = (data[...,i] - data[...,i].mean()) / data[...,i].std()

    # 重采样到目标尺寸
    data = resize(data, target_shape, order=1, preserve_range=True)
    label = resize(label, target_shape, order=0, preserve_range=True)

    # 生成肿瘤子区域标签
    label_et = (label == 4).astype(np.uint8)  # 增强肿瘤
    label_tc = ((label == 1) | (label == 4)).astype(np.uint8)  # 肿瘤核心
    label_wt = (label > 0).astype(np.uint8)  # 全肿瘤

    return data, np.stack([label_et, label_tc, label_wt], axis=-1)

现象：nibabel.load() 报错 ”Not a gzipped file”
原因：文件下载不完整或损坏
解决：
重新下载文件
使用 gzip -t file.nii.gz 验证完整性

现象：处理大体积数据时 OOM
优化方案：
分块处理：for slice_idx in range(data.shape[2]): process(data[:,:,slice_idx])
使用 dask.array 延迟加载

检查步骤：
确认各模态的 affine 矩阵一致：nibabel.load(img).affine
使用 nilearn.image.resample_to_img 进行重对齐

并行化处理：

from joblib import Parallel, delayed

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

Parallel(n_jobs=8)(delayed(process_case)(p) for p in case_paths)