【Promise12数据集】Promise12数据集介绍和预处理

【Segment Anything Model】做分割的专栏链接，欢迎来学习。
【博主微信】cvxiayixiao
本专栏为公开数据集的介绍和预处理，持续更新中。

要是只想把Promise12数据集的raw形式分割为png形式，快速导航，直接看2，4标题即可
这里只处理了test 换个路径在走一边train就行 是一样的

1️⃣Promise12数据集介绍

🌵介绍

数据集来源一个比赛Prostate MR Image Segmentation 2012。是一个广泛用于前列腺磁共振成像(MRI)分割的数据集。
这个数据集最初是在2012年的MICCAI 'Prostate MR Image Segmentation’挑战赛中使用的，🚩目标是比较用于前列腺MRI的交互式和(半)自动分割算法。可以下载。官网 下载地址在 Download里面

🌿临床意义

前列腺在MR图像上的分割在临床上尤为重要，👀因为它可以帮助确定前列腺的体积，这对于评估前列腺疾病，预测前列腺癌的病理阶段，了解预后，并帮助预测治疗反应都极为重要。

前列腺的大小，形状，以及相对于相邻器官的位置的信息是进行前列腺切除手术，🗿放射治疗以及新兴的微创疗法（如冷冻治疗和高强度聚焦超声）的手术规划的重要组成部分。Promise12数据集可以为这些应用提供关键的、精确的前列腺分割信息🚩。

🌱Promise12数据集特点

这个数据集的特点包括：

多中心，多数据供应商： 数据集中的图像来自多个不同的医疗中心和机构，使其可以覆盖和代表各种不同的病例和设备来源。

训练和测试数据：数据集提供训练和测试数据，均有相应的真实分割（ground truth）作为参考。

算法比较和评估：提交的结果会被自动评估并与参考标准进行比较，从而可以直观地比较和评价不同的分割算法的性能。

🍎🍎🍎这些特性使Promise12成为了前列腺MRI分割任务的重要基准数据集。研究者通过使用这个数据集来训练并评估他们的前列腺分割算法。

🍃源文件样图

2️⃣下载Promise12数据集

官网有三个包可以下载

livechallenge_test_data中的结构如下。这是比赛之后官网验证的数据集，比赛中不可见，是测试部分。
每个样本由4个文件组成分别是原始img的mhd，分割img的mhd。原始img的raw 分割img的raw

MHD和RAW是常用于医学图像处理和存储的文件格式。
MHD用于存储医学图像数据和相关的元数据信息。MHD文件通常是一个文本文件，其中包含图像数据的描述信息，例如图像的维度、像素类型、像素间距、数据存储顺序等。MHD文件本身并不包含图像数据，而是引用一个相应的RAW文件来存储实际的图像数据。RAW文件则是包含原始图像数据的二进制文件。它通常与MHD文件配套使用，用于存储实际的图像像素值。RAW文件中的数据可以是未经处理的原始像素值，例如灰度值或颜色值，具体取决于图像的类型和采集设备。

test_data是提供给参赛人员的测试样本，结构一样。

training_data训练数据，也一样

3️⃣python读取一张Promise12数据集并展示

🍀使用 Python 的 zipfile 模块来访问 ZIP 文件

import zipfile
import os
import SimpleITK as sitk
import matplotlib.pyplot as plt
# 设置文件的路径
zip_file_path = 'F:\BaiduNetdiskDownload\promise12\\test_data.zip'
#
# 检查文件是否存在
if os.path.exists(zip_file_path):with zipfile.ZipFile(zip_file_path, 'r') as zip_ref:# 获取 ZIP 文件中的文件列表file_list = zip_ref.namelist()# 选取第一个文件（或任意一个文件）作为样本来展示sample_file = file_list[0] if file_list else None# 如果找到样本文件，则读取并展示其内容if sample_file:# 提取样本文件到当前目录或其他指定目录zip_ref.extract(sample_file, './extract/')print(f"样本文件 '{sample_file}' 已提取。")else:print("ZIP 文件中没有找到任何文件。")
else:print(f"文件路径 '{zip_file_path}' 不存在。")

运行结果为
打开mhd文件，就是此图像的成像描述

🍃注意 ⚠️ ⚠️⚠️

文件关联问题：.mhd 文件应包含指向 .raw 文件的引用。也就是上图中的最后一行
一定确保 .mhd 文件中的路径指向 .raw 文件是正确的，并且 .raw 文件位于指定的位置。一定确保同时有 .mhd 和 .raw 文件。

🌳提取第一个raw

刚才的代码提取了第一个mhd文件，为了保证文件关联性，mhd 文件要指向 .raw 文件的引用。所以现在提取第一个raw文件，才能展示出图像。
上面代码这个改成1就好了

此代码的运行效果就是 提取到了mhd和raw到同一文件夹里面

🌲python读取raw

虽说图像信息保存在了raw里面，但其实读取的是mhd文件，mhd文件里面有raw文件的引用
读取代码如下

import zipfile
import os
import SimpleITK as sitk
import matplotlib.pyplot as plt
# 设置文件的路径
zip_file_path = 'F:\BaiduNetdiskDownload\promise12\\test_data.zip'
#
# 检查文件是否存在
if os.path.exists(zip_file_path):with zipfile.ZipFile(zip_file_path, 'r') as zip_ref:# 获取 ZIP 文件中的文件列表file_list = zip_ref.namelist()# 选取第一个文件（或任意一个文件）作为样本来展示sample_file = file_list[1] if file_list else None# 如果找到样本文件，则读取并展示其内容if sample_file:# 提取样本文件到当前目录或其他指定目录image_file = './extract/' + sample_filezip_ref.extract(sample_file, './extract/')image = sitk.ReadImage('./extract/Case00.mhd')# 将 SimpleITK 图像转换为 NumPy 数组image_array = sitk.GetArrayFromImage(image)# 选择一个切片来展示slice_index = 0  # 你可以选择不同的切片索引selected_slice = image_array[slice_index]# 使用 matplotlib 展示图像切片plt.imshow(selected_slice, cmap='gray')plt.axis('off')  # 不显示坐标轴plt.show()print(f"样本文件 '{sample_file}' 已提取。")else:print("ZIP 文件中没有找到任何文件。")
else:print(f"文件路径 '{zip_file_path}' 不存在。")

效果如下

🌱python读取分割切片结果

先用 Python 的 zipfile 模块来访问 ZIP 文件的代码把3，4切片的mhd和raw读取到extract文件夹里面
这个过程和第一个代码一样，就是改一下数字

import zipfile
import os
import SimpleITK as sitk
import matplotlib.pyplot as plt
# 设置文件的路径
zip_file_path = 'F:\BaiduNetdiskDownload\promise12\\test_data.zip'
#
# 检查文件是否存在
if os.path.exists(zip_file_path):with zipfile.ZipFile(zip_file_path, 'r') as zip_ref:# 获取 ZIP 文件中的文件列表file_list = zip_ref.namelist()# 选取第一个文件（或任意一个文件）作为样本来展示sample_file = file_list[3] if file_list else None# 如果找到样本文件，则读取并展示其内容if sample_file:# 提取样本文件到当前目录或其他指定目录zip_ref.extract(sample_file, './extract/')# image = sitk.ReadImage('./extract/Case00_segmentation.mhd')# # 将 SimpleITK 图像转换为 NumPy 数组# image_array = sitk.GetArrayFromImage(image)# # 选择一个切片来展示# slice_index = 9  # 你可以选择不同的切片索引# selected_slice = image_array[slice_index]# # 使用 matplotlib 展示图像切片# plt.imshow(selected_slice, cmap='gray')# plt.axis('off')  # 不显示坐标轴# plt.show()print(f"样本文件 '{sample_file}' 已提取。")else:print("ZIP 文件中没有找到任何文件。")
else:print(f"文件路径 '{zip_file_path}' 不存在。")

sample_file = file_list[3] if file_list else None这一行先改成2在改成3.
这样就能把3，4切片的mhd和raw读取到extract文件夹里面
之后运行下面的代码就能读取到分割结果的切片

import zipfile
import os
import SimpleITK as sitk
import matplotlib.pyplot as plt
# 设置文件的路径
zip_file_path = 'F:\BaiduNetdiskDownload\promise12\\test_data.zip'
#
# 检查文件是否存在
if os.path.exists(zip_file_path):with zipfile.ZipFile(zip_file_path, 'r') as zip_ref:# 获取 ZIP 文件中的文件列表file_list = zip_ref.namelist()# 选取第一个文件（或任意一个文件）作为样本来展示sample_file = file_list[3] if file_list else None# 如果找到样本文件，则读取并展示其内容if sample_file:# 提取样本文件到当前目录或其他指定目录zip_ref.extract(sample_file, './extract/')image = sitk.ReadImage('./extract/Case00_segmentation.mhd')# 将 SimpleITK 图像转换为 NumPy 数组image_array = sitk.GetArrayFromImage(image)# 选择一个切片来展示slice_index = 9  # 你可以选择不同的切片索引selected_slice = image_array[slice_index]# 使用 matplotlib 展示图像切片plt.imshow(selected_slice, cmap='gray')plt.axis('off')  # 不显示坐标轴plt.show()print(f"样本文件 '{sample_file}' 已提取。")else:print("ZIP 文件中没有找到任何文件。")
else:print(f"文件路径 '{zip_file_path}' 不存在。")

4️⃣python处理整个Promise12数据集

👍👍👍 以上我们完成的是使用python读取到了一张原图和一张分割结果的示例图👉👉👉以下我们要做的是使用python处理数据集把她分为网络接受的图片。这里处理成png

1. 数据集下载到本地之后先将zip解压

import zipfile
import os
import SimpleITK as sitk
import matplotlib.pyplot as plt
# 设置文件的路径
zip_file_path = 'F:\BaiduNetdiskDownload\promise12\\test_data.zip'
#
# 检查文件是否存在
if os.path.exists(zip_file_path):with zipfile.ZipFile(zip_file_path, 'r') as zip_ref:# 获取 ZIP 文件中的文件列表file_list = zip_ref.namelist()# 选取第一个文件（或任意一个文件）作为样本来展示for i in file_list:zip_ref.extract(i, './extract/')

2. 处理解压之后的数据集，将raw转为png

import SimpleITK as sitk
import numpy as np
import imageio
import osdef convert_raw_to_png(raw_folder, output_folder):for file in os.listdir(raw_folder):if file.endswith(".mhd"):image_path = os.path.join(raw_folder, file)image = sitk.ReadImage(image_path)array = sitk.GetArrayFromImage(image)for i, slice in enumerate(array):slice_min = slice.min()slice_max = slice.max()slice_normalized = ((slice - slice_min) / (slice_max - slice_min) * 255).astype(np.uint8)file=os.path.splitext(file)[0]output_path = os.path.join(output_folder, f"{file}_{i}.png")imageio.imwrite(output_path, slice_normalized)raw_folder = "./extract"
output_folder = "./png_images"
os.makedirs(output_folder, exist_ok=True)
convert_raw_to_png(raw_folder, output_folder)

3. 将所有png图像分为image文件夹和label文件夹

此时的图像都是混在一起的，一个名字对应一个原图和分割结果，我们把它分开在两个文件夹，更有利于构建dataset和dataloader

先把png_images文件夹里面的segmentation全部复制到label文件夹里面
在将png_images文件里里面的segmentation删除

import shutil
import os
path="./png_images"
new_folder='./label'
os.makedirs(new_folder, exist_ok=True)
for i in os.listdir(path):if "segmentation" in i:ori_seg_path=os.path.join(path,i)seg_path=os.path.join(new_folder,i)# 复制文件shutil.copy2(ori_seg_path, seg_path)# 删除混在一起的os.remove(ori_seg_path)

5️⃣Promise12数据集官方给的评价指标

Dice相似系数 (Dice Similarity Coefficient, DSC): 常用评价指标，用于量化分割结果与真实标签之间的重叠度。Dice系数的值范围从0到1，值越高表示分割结果与真实情况的一致性越好。

• 敏感度 (Sensitivity) 或 真正率 (True Positive Rate, TPR): 衡量了分割算法正确识别出正类（即前列腺组织）的能力。

• 特异性 (Specificity) 或 真负率 (True Negative Rate, TNR): 评估了分割算法正确识别出负类（即非前列腺组织）的能力。

• Hausdorff距离 (Hausdorff Distance): 这是一个几何度量，用于衡量预测边界与真实边界之间的最大不一致性。

• 平均表面距离 (Average Surface Distance, ASD): 用于计算预测边界与真实边界之间的平均距离，也是一个评估分割精度的重要指标。

• 体积重叠误差 (Volume Overlap Error, VOE): 评估分割体积与真实体积之间的重叠程度。