Sovereign 8s.is mirror of standardgalactic/APG
  • Python 97%
  • Cuda 1.7%
  • Shell 1.3%
Find a file
Repository files (latest commit first)
Filename Latest commit message Latest commit date
2025-11-22 22:23:04 +08:00
apg Initial commit 2025-11-22 21:29:14 +08:00
conf Initial commit 2025-11-22 21:29:14 +08:00
func_2d Initial commit 2025-11-22 21:29:14 +08:00
func_3d Initial commit 2025-11-22 21:29:14 +08:00
sam2_train Initial commit 2025-11-22 21:29:14 +08:00
scripts Initial commit 2025-11-22 21:29:14 +08:00
.gitignore Initial commit 2025-11-22 21:29:14 +08:00
cfg.py Initial commit 2025-11-22 21:29:14 +08:00
environment.yml Initial commit 2025-11-22 21:29:14 +08:00
format.py Initial commit 2025-11-22 21:29:14 +08:00
LICENSE Initial commit 2025-11-22 21:29:14 +08:00
npy_to_jpg.py Initial commit 2025-11-22 21:29:14 +08:00
pre_CTMR.py Initial commit 2025-11-22 21:29:14 +08:00
README.md Initial commit 2025-11-22 21:29:14 +08:00
requeriment.txt Initial commit 2025-11-22 21:29:14 +08:00
test.py Initial commit 2025-11-22 21:29:14 +08:00
test_model.py Initial commit 2025-11-22 21:29:14 +08:00
train_3d_apg.py Initial commit 2025-11-22 21:29:14 +08:00

本 README 说明如何在当前仓库中准备数据集、将 NIfTI/NPY 转为训练所需的 image / mask 目录结构,并如何启动训练与测试。

以下示例假定你在仓库根目录。

目录要点

  • pre_CTMR.py:将原始 .nii.gz 图像与标签处理并保存为切片的 .npy 文件(之前实现含默认硬编码路径,已支持命令行参数)。
  • npy_to_jpg.py:把切片 .npy(图像)转为 .jpg,并复制标签 .npy。支持 --process_structure 模式。
  • scripts/process_dataset.sh:一键自动化流程(运行 pre_CTMR.py、npy_to_jpg.py、重命名、去前导零、按比例划分 Train/Test)。
  • format.py:用于去掉文件名前导零(仓库内存在多个副本);脚本内也集成了等效逻辑。
  • train_3d_apg.py:训练主脚本(训练 3D APG 模型)。
  • test_model.py / test.py:测试/验证相关脚本。

依赖

  • 建议使用 conda 或 venv 创建干净环境。仓库内有 environment.yml / requeriment.txt,可据此安装依赖。

示例(conda):

conda env create -f environment.yml -n apg-env
conda activate apg-env
# 或手动安装 pip 依赖
pip install -r requeriment.txt

注意:部分包(如 SimpleITK, cc3d, scikit-image, tqdm, Pillow 等)需要可用的 Python 环境。

数据预处理与分割

流程总览:

  1. 准备源数据目录(包含 NIfTI 文件)。例如把数据放在:./CC-Mask,其中包含子目录 imageTr/ 与 label/。
  2. 运行 pre_CTMR.py:将 nii 体数据裁剪/过滤并导出切片为 .npy,输出默认在 data/npy/CCMASK_test/<dataset_name>,现在可用命令行参数自定义路径。
  3. 运行 npy_to_jpg.py --process_structure:把 imgs 转为 jpg 并复制 gts,输出在 data/jpg/<dataset_name>。
  4. 重命名 imgs->image、gts->mask,去除文件名前导零,最后按比例随机分为 Training 与 Test(每个包含 image/ 与 mask/)。

我们已经提供自动化脚本 scripts/process_dataset.sh 实现上面所有步骤:

示例(dry-run,仅打印而不修改):

# 给脚本可执行权限(若尚未)
chmod +x scripts/process_dataset.sh

# dry-run:只显示将做的操作
./scripts/process_dataset.sh ./CC-Mask --test-ratio 0.2 --dry-run

真实运行(会生成数据并做分割):

./scripts/process_dataset.sh ./CC-Mask --test-ratio 0.2

脚本默认行为说明:

  • 会把 pre_CTMR.py 的输出写入 data/npy/CCMASK_test/<dataset_name>(dataset_name 为 CC-Mask 的 basename);
  • 会把 npy_to_jpg.py 输出写入 data/jpg/<dataset_name>,并在该目录下创建 image/ 与 mask/,最终创建 Training/ 和 Test/ 子目录;
  • 可使用 --move 选项改为移动源文件(代替复制);使用 --python 指定 Python 可执行路径。

注意事项:

  • pre_CTMR.py 支持以下参数:--nii_path、--gt_path、--npy_path、--modality、--anatomy。若你直接调用该脚本,请传入正确路径。脚本 scripts/process_dataset.sh 已把路径传入 pre_CTMR.py。
  • 若原始数据命名/结构与上述不同,请先调整路径或改写脚本参数。

输出目录示例(成功运行后)

data/jpg/<dataset>/
  ├─ image/            # jpg 图像文件或分子目录
  ├─ mask/             # 标签 npy 文件或其他格式
  ├─ Training/
  │   ├─ image/
  │   └─ mask/
  └─ Test/
      ├─ image/
      └─ mask/

训练脚本和示例命令

项目中用于训练的主要脚本为 train_3d_apg.py(3D 训练)。训练前务必确认:

  • cfg.py 与 conf/global_settings.py 中的超参是否符合你的实验需求;
  • args.data_path 指向你处理好的数据(例如 data/jpg/<dataset>),并根据 func_3d.dataset.* 代码要求设置 mode(Training / Test);
  • 是否使用 SAM 权重(检查 sam2_train 下的配置与 ckpt)。

一个典型的训练命令(在你本地环境中可能需要设置 LD_LIBRARY_PATH 或指定 GPU 环境):

# 例:使用已激活 conda 环境并在 GPU 0 上训练
python train_3d_apg.py -data_path ./data/jpg/<dataset> -gpu_device 0 -image_size 1024 -exp_name my_experiment
python test_model.py -weights <path_to_weights> -sam_config sam2_hiera_s -data_path ./data/jpg/<dataset> -gpu_device 0

测试/评估

使用 test_model.py 或 test.py。示例:

python test_model.py -weights logs/<exp_name>/Model/latest_epoch.pth -sam_config sam2_hiera_s -data_path ./data/jpg/<dataset> -gpu_device 0