为什么在将漂亮数据切片转换为 png 图像时会得到完全黑色的标签？

Question

我对深度学习和图像分割任务还很陌生。

我想通过获取每个病例的中心 50 个切片，在 3D 漂亮数据（CT 扫描）上训练一个 2D unet。我将图像和标签保存为 png，但标签完全是黑色的。我的目标是在给定 CT 扫描切片 (X) 的情况下预测肿瘤区域 (Y)。

我做错了什么？

我的代码：

labels = []

for i in range (0,100):
  seg = Path("/content/drive/My Drive/")/"case_{:05d}".format(i) / "segmentation.nii.gz"
  seg = nib.load(seg)
  seg = seg.get_data()
  n_i, n_j, n_k = seg.shape
  seg = seg[int(((n_i-1)/2)-25):int(((n_i-1)/2)+25),:,:]

  for i in range(seg.shape[0]):
    labels.append((seg[i,:,:]))
    i+=1

labels = np.array(labels)

for i in range(labels.shape[0]):
    label = (labels[i,:,:])
    imsave('/content/drive/My Drive/labels/labels_slice_{:05d}.png'.format(i), label)
    i += 1

我对图片广告执行相同操作，获取以下 .png 文件： image_slice_00680

但对于标签，我只能得到一个全黑的图像。

图像和标签的数据类型分别是float64和uint16。

Example segmentation nifti file

Answer 1

我在 3D Slicer 和 nipy 中检查了您的 nifti 文件，该文件非常好。在这个分割文件的 608 个切片中，只有第 181-397 个切片具有正值，因此您应该得到完全黑色的图像。

这个简短的 sn-p 让我可以在第 300 个切片中保存正例：

import nibabel
import matplotlib.pyplot as plt

seg = nibabel.load("D:/Downloads/segmentation.nii.gz")
data = seg.get_fdata()
layer = data[300,:,:]

plt.imsave("D:/Downloads/seg.png", layer, cmap='gray')

让我知道您是否可以使用上面的代码复制它？

另外，我知道这不是问题的一部分，但您应该强烈考虑使用 nifti（或 NRRD）格式，而不是将它们转换为 PNG 文件。

1) 当您保存为 PNG 时，您会从 CT 扫描中丢失大量信息。基本上，您正在重新调整 CT 值，其范围通常从 -2000 到 +2000 到 0-255 像素范围。

2) 与分段掩码类似，在您的 nifti 文件中，分段区域保存为“1”，背景保存为“0”。当您将其保存为 PNG 时，您会将其重新调整为 0-255，并且您必须再次将其转换回来以进行网络训练。