当前位置：首页 > news >正文

unetr_plus_plus（UNETR++、nnU-Net）系列数据处理理解汇总

news 2026/2/9 15:03:34

unetr_plus_plus（UNETR++、nnU-Net）系列数据处理理解汇总，这是一个 3D 图像分割的任务系列集。

为什么说他们是一个系列集合呢？主要是因为：

论文的训练和评价数据集是一样的，都是来自于10全挑战赛；
数据的前处理工作基本是一致的，后续的文章都延续了nnU-Net的处理方式；
评价方式是一致的，具有可比性。

所以，如果你也在做3D 图像分割相关的任务，尤其是医学领域的任务，这部分就是必看的。最好是将自己的数据进行跑通测试对比下，应该会有新的感悟。

参考阅读论文：

nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation
nnFormer: Volumetric Medical Image Segmentation via a 3D Transformer
UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation

一、原始数据

输入的原始图像是img2667.nii.gz，以这个为参考，查看这个数据的变化。它的基本信息如下：

(512, 512, 55)
<class 'nibabel.nifti1.Nifti1Header'> object, endian='<'
sizeof_hdr      : 348
data_type       : b''
db_name         : b''
extents         : 0
session_error   : 0
regular         : b''
dim_info        : 0
dim             : [  3 512 512  55   1   1   1   1]
intent_p1       : 0.0
intent_p2       : 0.0
intent_p3       : 0.0
intent_code     : none
datatype        : float64
bitpix          : 64
slice_start     : 0
pixdim          : [1.       0.644531 0.644531 6.       1.       1.       1.       1.      ]
vox_offset      : 0.0
scl_slope       : nan
scl_inter       : nan
slice_end       : 0
slice_code      : unknown
xyzt_units      : 0
cal_max         : 0.0
cal_min         : 0.0
slice_duration  : 0.0
toffset         : 0.0
glmax           : 0
glmin           : 0
descrip         : b''
aux_file        : b''
qform_code      : unknown
sform_code      : aligned
quatern_b       : 0.0
quatern_c       : 0.0
quatern_d       : 1.0
qoffset_x       : 167.4
qoffset_y       : 165.0
qoffset_z       : 78.85
srow_x          : [ -0.644531   0.         0.       167.4     ]
srow_y          : [  0.        -0.644531   0.       165.      ]
srow_z          : [ 0.    0.    6.   78.85]
intent_name     : b''
magic           : b'n+1' <class 'nibabel.nifti1.Nifti1Header'>

原始标注标签label0026.nii.gz的信息，最大值是类别数。比如有3个类别，那么：

像素值为0的，是背景
像素值为1的，是类别1
像素值为2的，是类别2
像素值为3的，是类别3

如果之前不是这么记录的，需要先转换到这种数据形式。下面是对应标签的信息，和图像信息一致就行。

(512, 512, 55)
<class 'nibabel.nifti1.Nifti1Header'> object, endian='<'
sizeof_hdr      : 348
data_type       : b''
db_name         : b''
extents         : 0
session_error   : 0
regular         : b''
dim_info        : 0
dim             : [  3 512 512  55   1   1   1   1]
intent_p1       : 0.0
intent_p2       : 0.0
intent_p3       : 0.0
intent_code     : none
datatype        : float64
bitpix          : 64
slice_start     : 0
pixdim          : [1.       0.644531 0.644531 6.       1.       1.       1.       1.      ]
vox_offset      : 0.0
scl_slope       : nan
scl_inter       : nan
slice_end       : 0
slice_code      : unknown
xyzt_units      : 0
cal_max         : 0.0
cal_min         : 0.0
slice_duration  : 0.0
toffset         : 0.0
glmax           : 0
glmin           : 0
descrip         : b''
aux_file        : b''
qform_code      : unknown
sform_code      : aligned
quatern_b       : 0.0
quatern_c       : 0.0
quatern_d       : 1.0
qoffset_x       : 167.4
qoffset_y       : 165.0
qoffset_z       : 78.85
srow_x          : [ -0.644531   0.         0.       167.4     ]
srow_y          : [  0.        -0.644531   0.       165.      ]
srow_z          : [ 0.    0.    6.   78.85]
intent_name     : b''
magic           : b'n+1' <class 'nibabel.nifti1.Nifti1Header'>

二、原始数据拆分出各个模态存储

这个阶段是第一步的处理，它需要将原始输入数据转化成不同的模态进行保存。对于一般的情况下，都是只有一个模态，转换后的形式就是这样的，img2667_0000.nii.gz。

而对于Brats这个脑部数据集，就存在着多个模态的情况。尽管是不同的模态，但是他们都是同一时间节点，同时拍摄的。这样各个模态之间是一一对应的，也就是配准后的样子。如果有4个模态，那么就会有img2667_0000.nii.gz、img2667_0001.nii.gz、img2667_0002.nii.gz、img2667_0003.nii.gz。根据你自己的实际情况，得到不同的数据信息。

下面是img2667_0000.nii.gz的数据信息。

(512, 512, 55)
<class 'nibabel.nifti1.Nifti1Header'> object, endian='<'
sizeof_hdr      : 348
data_type       : b''
db_name         : b''
extents         : 0
session_error   : 0
regular         : b''
dim_info        : 0
dim             : [  3 512 512  55   1   1   1   1]
intent_p1       : 0.0
intent_p2       : 0.0
intent_p3       : 0.0
intent_code     : none
datatype        : float64
bitpix          : 64
slice_start     : 0
pixdim          : [1.       0.644531 0.644531 6.       1.       1.       1.       1.      ]
vox_offset      : 0.0
scl_slope       : nan
scl_inter       : nan
slice_end       : 0
slice_code      : unknown
xyzt_units      : 0
cal_max         : 0.0
cal_min         : 0.0
slice_duration  : 0.0
toffset         : 0.0
glmax           : 0
glmin           : 0
descrip         : b''
aux_file        : b''
qform_code      : unknown
sform_code      : aligned
quatern_b       : 0.0
quatern_c       : 0.0
quatern_d       : 1.0
qoffset_x       : 167.4
qoffset_y       : 165.0
qoffset_z       : 78.85
srow_x          : [ -0.644531   0.         0.       167.4     ]
srow_y          : [  0.        -0.644531   0.       165.      ]
srow_z          : [ 0.    0.    6.   78.85]
intent_name     : b''
magic           : b'n+1' <class 'nibabel.nifti1.Nifti1Header'>

三、crop 操作后

crop是去除掉图像数据中，边缘为0的部分。比如CT 结节项目中，crop 掉肺区外的部分，只留下肺部的数据。这样剩下的图像就都是肺区的图像了，图像的数据量也就变小了。

如果，这部分你没有做非肺区的处理，那么经过crop后，图像部分的大小是不会发生改变的，还是和处理前的大小是一样的，这点不必惊讶。

3.1、npz 文件

DATASET_actTB/unetr_pp_raw/unetr_pp_cropped_data/Task002_Synapse 下img2667.npz文件记录的信息

读取代码，如下：

import numpy as np# 加载npz文件
data = np.load(npz_path)# 获取所有变量名称列表
variable_names = data.files
print("Variables in the file:", variable_names)# 选择特定的变量名称（如'array1'）
selected_var = 'data'
if selected_var in variable_names:# 将选定的变量赋值给相应的变量array = data[selected_var]# 输出数组内容print(f"Array {selected_var}:")print(array.shape)
else:print(f"Variable '{selected_var}' does not exist.")

输出内容如下：

Variables in the file: ['data']
Array data:
(2, 55, 303, 426)

四维数组array(CXYZ)中:

最后一个维度存储的是分割标注信息，如array[-1,:,:,:]存储的是分割标注结果。
而第一个维度的前面存储不同模态的数据，如MRI数据中有FLAIR、T1w、t1gd、 T2w等四种模态，array[0,:,:,:]表示FLAIR序列成像的强度数据，array[1,:,:,:]表示T1加权的强度数据，以此类推。
如果仅单模态，则四维数组第一维度长度仅为2，分别表示影像数据以及标注数据。四维数组array的后三个维度代表x,y,z三个坐标表示的三维数据，对于原始影像数据，值大小代表强度
而对于标注结果，后三个维度的三维数据值分别为0，1，2……表示不同的标注类别

3.2、pkl 文件

而pickle文件中存储该医学影像中其它的重要信息，是对numpy数组提供信息的补充。包含spacing，direction，origin等信息。

DATASET_actTB/unetr_pp_raw/unetr_pp_cropped_data/Task002_Synapse 下img2667.pkl文件记录的信息

OrderedDict([('original_size_of_raw_data', array([ 55, 512, 512], dtype=int64)), 
('original_spacing', array([6.        , 0.64453101, 0.64453101])), 
('list_of_data_files', ['./unetr_plus_plus-main/DATASET_actTB/unetr_pp_raw/unetr_pp_raw_data/Task002_Synapse/imagesTr/img2667_0000.nii.gz']), 
('seg_file', './unetr_plus_plusmain/DATASET_actTB/unetr_pp_raw/unetr_pp_raw_data/Task002_Synapse/labelsTr/label2667.nii.gz'), 
('itk_origin', (-167.39999389648438, -165.0, 78.8499984741211)), 
('itk_spacing', (0.6445310115814209, 0.6445310115814209, 6.0)), 
('itk_direction', (1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0)), 
('crop_bbox', [[0, 55], [94, 397], [54, 480]]), 
('classes', array([-1.,  0.,  1.], dtype=float32)), 
('size_after_cropping', (55, 303, 426)), 
('use_nonzero_mask_for_norm', OrderedDict([(0, False)]))])

四、nnFormerData_plans_v2.1_2D_stage0

4.1、npz 文件

DATASET_actTB/unetr_pp_preprocessed/Task002_Synapse/nnFormerData_plans_v2.1_2D_stage0 img2667.npz同样数组大小。

Array data:
(2, 55, 273, 384)

4.2、pkl 文件

DATASET_actTB/unetr_pp_preprocessed/Task002_Synapse/nnFormerData_plans_v2.1_2D_stage0 img2667.pkl

OrderedDict([('original_size_of_raw_data', array([ 55, 512, 512], dtype=int64)), 
('original_spacing', array([6.        , 0.64453101, 0.64453101])), 
('list_of_data_files', ['./unetr_plus_plus-main/DATASET_actTB/unetr_pp_raw/unetr_pp_raw_data/Task002_Synapse/imagesTr/img2667_0000.nii.gz']), ('seg_file', './unetr_plus_plusmain/DATASET_actTB/unetr_pp_raw/unetr_pp_raw_data/Task002_Synapse/labelsTr/label2667.nii.gz'), 
('itk_origin', (-167.39999389648438, -165.0, 78.8499984741211)), 
('itk_spacing', (0.6445310115814209, 0.6445310115814209, 6.0)), 
('itk_direction', (1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0)), 
('crop_bbox', [[0, 55], [94, 397], [54, 480]]), 
('classes', array([-1.,  0.,  1.], dtype=float32)), 
('size_after_cropping', (55, 303, 426)), 
('use_nonzero_mask_for_norm', OrderedDict([(0, False)])), 
('size_after_resampling', (55, 273, 384)), 
('spacing_after_resampling', array([6.        , 0.71484375, 0.71484375])), 
('class_locations', {1: array([[ 40, 244,  61],[ 46, 224,  40],[ 48, 233,  70],...,[ 34, 253,  49],[ 41, 215,  21],[ 35, 241,  32]], dtype=int64), 2: []})])

五、unetr_pp_Data_plans_v2.1_stage0

5.1、npz 文件

DATASET_actTB/unetr_pp_preprocessed/Task002_Synapse/unetr_pp_Data_plans_v2.1_stage0 img2667.npz

Variables in the file: ['data']
Array data:
(2, 228, 189, 266)

六、unetr_pp_Data_plans_v2.1_stage1

6.1、npz 文件

DATASET_actTB/unetr_pp_preprocessed/Task002_Synapse/unetr_pp_Data_plans_v2.1_stage1 img2667.npz

输出内容如下(经历了一次spacing调整)：

Variables in the file: ['data']
Array data:
(2, 330, 273, 384)

6.2、pkl 文件

DATASET_actTB/unetr_pp_preprocessed/Task002_Synapse/unetr_pp_Data_plans_v2.1_stage1 img2667.pkl

OrderedDict([('original_size_of_raw_data', array([ 55, 512, 512], dtype=int64)), 
('original_spacing', array([6.        , 0.64453101, 0.64453101])), 
('list_of_data_files', ['/home/qlj/projects/unetr_plus_plus-main/DATASET_actTB/unetr_pp_raw/unetr_pp_raw_data/Task002_Synapse/imagesTr/img2667_0000.nii.gz']), ('seg_file', '/home/qlj/projects/unetr_plus_plus-main/DATASET_actTB/unetr_pp_raw/unetr_pp_raw_data/Task002_Synapse/labelsTr/label2667.nii.gz'), 
('itk_origin', (-167.39999389648438, -165.0, 78.8499984741211)), 
('itk_spacing', (0.6445310115814209, 0.6445310115814209, 6.0)), 
('itk_direction', (1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0)), 
('crop_bbox', [[0, 55], [94, 397], [54, 480]]), 
('classes', array([-1.,  0.,  1.], dtype=float32)), 
('size_after_cropping', (55, 303, 426)), 
('use_nonzero_mask_for_norm', OrderedDict([(0, False)])), 
('size_after_resampling', (330, 273, 384)), 
('spacing_after_resampling', array([1.        , 0.71484375, 0.71484375])), 
('class_locations', {1: array([[149, 238,  54],[259, 230,  43],[246, 230,  66],...,[141, 255,  86],[294, 213,  20],[145, 250,  72]], dtype=int64), 2: []})])

各个key对应的含义：

original_size_of_raw_data原始图像大小,
original_spacing 原始图像的spacing,
list_of_data_files 原始图像各个模态的文件路径list,
seg_file 对应label的文件路径list,
itk_origin, ‘itk_spacing’, ‘itk_direction’,
crop_bbox 去除原始图像四周为0的部分，z\y\x 对应的边界坐标,
classes 本例子包含的类别，-1是crop box去除的像素点填充,类别1、2就是标注类别，其他是0
size_after_cropping 裁剪后的size,
use_nonzero_mask_for_norm 是否使用非0的mask部分去norm 默认False,
size_after_resampling 使用resample操作后的size,
spacing_after_resampling 使用resample操作后的spacing,
class_locations 对应类别的坐标dict

七、preprocessed 文件

7.1、splits_final.pkl 文件

记录了k fold的中，每一个fold划分的train和val的数据名称，如下：

[OrderedDict([('train', array(['img0001', 'img0002', 'img0005', 'img0007', 'img0008', 'img0009','img0010', 'img0011', 'img0012', 'img0013', 'img0014', 'img0015','img0016', 'img0017', 'img0018', 'img0019', 'img0021', 'img0023','img0024', 'img0025', 'img0027', 'img0028', 'img0030', 'img0031','img0032', 'img0034', 'img0035', 'img0036', 'img0037', 'img0038','img0039', 'img0040'
], dtype = '<U7')), ('val', array(['img0003', 'img0004', 'img0006', 'img0020', 'img0022', 'img0026','img0029', 'img0033'
], dtype = '<U7'))]), OrderedDict([('train', array(['img0002', 'img0003', 'img0004', 'img0006', 'img0007', 'img0008','img0010', 'img0011', 'img0012', 'img0014', 'img0015', 'img0017','img0018', 'img0019', 'img0020', 'img0021', 'img0022', 'img0023','img0024', 'img0025', 'img0026', 'img0027', 'img0028', 'img0029','img0030', 'img0032', 'img0033', 'img0035', 'img0037', 'img0038','img0039', 'img0040'
], dtype = '<U7')), ('val', array(['img0001', 'img0005', 'img0009', 'img0013', 'img0016', 'img0031','img0034', 'img0036'
], dtype = '<U7'))]), OrderedDict([('train', array(['img0001', 'img0002', 'img0003', 'img0004', 'img0005', 'img0006','img0009', 'img0010', 'img0012', 'img0013', 'img0015', 'img0016','img0017', 'img0019', 'img0020', 'img0022', 'img0023', 'img0024','img0026', 'img0028', 'img0029', 'img0030', 'img0031', 'img0032','img0033', 'img0034', 'img0035', 'img0036', 'img0037', 'img0038','img0039', 'img0040'
], dtype = '<U7')), ('val', array(['img0007', 'img0008', 'img0011', 'img0014', 'img0018', 'img0021','img0025', 'img0027'
], dtype = '<U7'))]), OrderedDict([('train', array(['img0001', 'img0002', 'img0003', 'img0004', 'img0005', 'img0006','img0007', 'img0008', 'img0009', 'img0011', 'img0013', 'img0014','img0015', 'img0016', 'img0018', 'img0020', 'img0021', 'img0022','img0025', 'img0026', 'img0027', 'img0029', 'img0030', 'img0031','img0033', 'img0034', 'img0035', 'img0036', 'img0037', 'img0038','img0039', 'img0040'
], dtype = '<U7')), ('val', array(['img0010', 'img0012', 'img0017', 'img0019', 'img0023', 'img0024','img0028', 'img0032'
], dtype = '<U7'))]), OrderedDict([('train', array(['img0001', 'img0003', 'img0004', 'img0005', 'img0006', 'img0007','img0008', 'img0009', 'img0010', 'img0011', 'img0012', 'img0013','img0014', 'img0016', 'img0017', 'img0018', 'img0019', 'img0020','img0021', 'img0022', 'img0023', 'img0024', 'img0025', 'img0026','img0027', 'img0028', 'img0029', 'img0031', 'img0032', 'img0033','img0034', 'img0036'
], dtype = '<U7')), ('val', array(['img0002', 'img0015', 'img0030', 'img0035', 'img0037', 'img0038','img0039', 'img0040'
], dtype = '<U7'))])]

7.2、nnFormerPlansv2.1_plans_2D.pkl

pkl文件内存储的key的意义，如下：

num_stages stage的数量,
num_modalities,
modalities,
normalization_schemes,
dataset_properties 记录了所有数据的属性信息，包括size\spacing\classes\modalities\intensityproperties\size_reductions,
list_of_npz_files 所有croped data 的npz图像路径,
original_spacings 原始的spacing,
original_sizes 原始的size,
preprocessed_data_folder preprocessed data 文件夹路径,
num_classes 分类数量,
all_classes 各个类别在mask中的数字,
base_num_features,
use_mask_for_norm,
keep_only_largest_region,
min_region_size_per_class,
min_size_per_class,
transpose_forward,
transpose_backward,
data_identifier: nnFormerData_plans_v2.1_2D,
plans_per_stage,
preprocessor_name

plans_per_stage 内记录的信息如下：

{0: {'batch_size': 8,'num_pool_per_axis': [5, 4, 5],'patch_size': array([128, 112, 160], dtype = int64),'median_patient_size_in_voxels': array([190, 187, 258], dtype = int64),'current_spacing': array([1.44507647, 1.03300388, 1.03300388]),'original_spacing': array([1., 0.71484375, 0.71484375]),'do_dummy_2D_data_aug': False,'pool_op_kernel_sizes': [[2, 2, 2],[2, 2, 2],[2, 2, 2],[2, 2, 2],[2, 1, 2]],'conv_kernel_sizes': [[3, 3, 3],[3, 3, 3],[3, 3, 3],[3, 3, 3],[3, 3, 3],[3, 3, 3]]},1: {'batch_size': 16,'num_pool_per_axis': [5, 4, 5],'patch_size': array([64, 128, 128], dtype = int64),'median_patient_size_in_voxels': array([275, 270, 373], dtype = int64),'current_spacing': array([1., 0.71484375, 0.71484375]),'original_spacing': array([1., 0.71484375, 0.71484375]),'do_dummy_2D_data_aug': False,'pool_op_kernel_sizes': [[2, 2, 2],[2, 2, 2],[2, 2, 2]],'conv_kernel_sizes': [[3, 3, 3],[3, 3, 3],[3, 3, 3],[3, 3, 3],[3, 3, 3],[3, 3, 3]]}
}

7.3、unetr_pp_Plansv2.1_plans_3D.pkl

记录内容，和7.2类似，我理解都是为了接下来的训练，做个准备配置

‘data_identifier’: ‘unetr_pp_Data_plans_v2.1’,

在训练阶段：
loading dataset of folder: /home/qlj/projects/unetr_plus_plus-main/DATASET_actTB_HU/unetr_pp_preprocessed/Task002_Synapse/unetr_pp_Data_plans_v2.1_stage1

7.3、dataset_properties.pkl

dict_keys([‘all_sizes’, ‘all_spacings’, ‘all_classes’, ‘modalities’, ‘intensityproperties’, ‘size_reductions’])

nnU-Net 这篇论文，对数据前处理和训练超参数的选择部分做了详细的介绍，对于后面的训练有很大的启发。作者认为：如果相应的管道pipeline设计得当，基本的U-Net仍然很难被击败。

意在指出：pipeline 设计的重要性。为此，设计了nnU-Net：一个深度学习框架，浓缩了当前的领域知识，并自主地做出关键决策，将基本架构转移到不同的数据集和分割任务。能够自动适应任意数据集，并基于两个关键贡献，实现开箱即用的分割：

我们用数据指纹(data fingerprint，代表数据集的关键属性)和管道指纹(pipeline fingerprint,代表分割算法的关键设计选择)来表述管道优化问题。
我们通过将领域知识(domain knowledge )压缩成一组启发式规则来明确它们之间的关系，这些规则可以在考虑相关硬件约束的情况下从相应的数据指纹稳健地生成高质量的管道指纹。

Automated Design， Without manual tuning。

nnU-Net是如何自动适应任何新的数据集呢？

data fingerprint，数据集指纹定义为包含关键属性的标准化数据集表示，如：

图像大小 image sizes
体素间距信息voxel spacing information
类别比率class ratios

pipeline fingerprint，管道指纹定义为方法设计期间所做出的整体选择，在nnU-Net中分为3个部分：

blueprint parameters，例如：
- loss function
- optimizer
- training schedule
- data augmentation
inferred parameters，推断参数，对新数据集进行必要的调整，例如：
- patch size
- batch size
- image preprocessing(resampling, normalization)
- architecture config
empirrical parameters 经验主义参数，是通过对训练案例的交叉验证，自动识别的。包括后处理和整体策略。

数据指纹data fingerprint和推断参数inferred parameters之间的链接是通过执行一组启发式规则建立的，而不需要在应用于未见过的数据集时进行昂贵的重新优化。其中很多的设计选择是相互依赖的，例如(one instance)：

target image spacing 影响到 image size
进而又影响到 patch size
进而影响到 batch size