当前位置:   article > 正文

python版:使用TotalSegmentator工具可在1分钟内自动分割全身117个器官,附批量技巧

totalsegment

TotalSegmentator用于对 CT 图像中超过 117 个类别进行分割的工具。它接受了各种不同 CT 图像(不同扫描仪、机构、协议等)的训练,因此应该适用于大多数图像。大部分训练数据集可以从Zenodo下载(1228 个主题)。您还可以在totalsegmentator.com上在线试用该工具。

TotalSegmentator v2版本

一句话概要:TotalSegmentator是在大型数据集上使用nnUNet V2训练的一个AI模型,可以在CT数据上自动分割全身117个器官(见文末)!同时还可以分割部分血管,脑出血,胸腔积液等(后面会介绍)。

Totalsegmentator 版本

一共有两个版本,各有千秋,选择适合自己的版本

  • 3D Slicer版本: 之前已经介绍过了,并且获得了广大朋友的喜欢。也是迄今为止Tina姐最受欢迎的教程。它的优势是提供了可视化的界面,自动分割完后,可以对结果进行实时修改。缺点是可调参数比python版少,只能one by one, 没法批量操作。且受网速影响,有的朋友在3D Slicer中并不能顺畅使用。

【公-众-号查看】

  • python版本: 它的特点是一次安装好后,即可在终端使用少量命令进行批处理。也可以设置想要的分割哪些器官,不用全部分割。对编程能力有一定要求,且分割完的结果需要手动审阅修改。

接下来是 python 版本实战

Totalsegmentator python版安装

如何安装

TotalSegmentator 可在 Ubuntu、Mac 和 Windows 以及 CPU 和 GPU 上运行。由于它是个AI模型,最好是在GPU上安装,CPU上只有快速版本,分割又慢效果也差些

首先确保有如下依赖项:

  • Python >= 3.9
  • Pytorch >= 1.12.1

直接在终端(选择合适的虚拟环境)pip

pip install TotalSegmentator
  • 1

Totalsegmentator 快速使用

使用TotalSegmentator -h 查看使用说明

快速分割一幅图像

TotalSegmentator -i ct.nii.gz -o segmentations`
  • 1
  • i: input image, 待分割的图像地址
  • o: output image, 分割结果文件夹,不同的分割目标生成不同的文件

注意:允许将包含一名患者的所有 DICOM 切片的 Nifti 文件或文件夹作为输入

注意:如果您在CPU 上运行,请使用该选项--fast--roi_subset来大大提高运行时间。

从交互界面可以看到,当你第一次调用TotalSegmentator,它会先下载预训练好的模型。这需要一定的时间(取决于你的网络)。第二次使用就不会再下载了。整个分割过程不到1分钟。

第二次分割,仅用28秒完成104个器官的分割

这里自动分割结果按照不同器官进行存储。像我这样安装的是V1版本,因此仅分割了104个器官,就有104个分割文件。如图

将原始图像和你的目标器官加载进ITK-SNAP或者3D slicer等标注软件就可以进行手动修改。大大减少标注时间,提升标注效率

Totalsegmentator 高级使用

1. 除了上述器官分割外,还可以分割下面的一些子任务

通过在命令中增加-ta参数即可:

TotalSegmentator -i ct.nii.gz -o segmentations -ta <task_name>
  • 1

ta可以为如下值

  • total - 分割上述所有器官
  • lung_vessels - 肺血管
  • cerebral_bleed - 脑出血
  • hip_implant - 髋关节植入物
  • coronary_arteries - 冠状动脉
  • body - 身体
  • pleural_pericard_effusion - 胸膜心包积液
  • liver_vessels - 肝血管
  • bones_extremities - 骨骼四肢
  • tissue_types - 组织类型
  • heartchambers_highres - 心腔高分辨率
  • head - 头部
  • aortic_branches - 主动脉分支
  • heartchambers_test - 心腔测试
  • bones_tissue_test - 骨骼组织测试
  • aortic_branches_test - 主动脉分支测试
  • test - 测试

2. 分割单一器官或几个器官

在快速使用案例中,会自动分割所有器官,但实际应用中,我们可能只对其中的一个或几个器官感兴趣。分割太多耗时长,还占内存。这时候怎么处理?

只需要在命令后添加 -rs参数

TotalSegmentator -i CT1202301051207_ZHOU_JUN/P_to_V.nii.gz -o CT1202301051207_ZHOU_JUN -rs liver
  • 1

上述命令表示只分割肝脏,如需多个就括起来 [licer kindey_left pancreas]中间用个空格分开

当我只分割肝脏时,分割时间从原来的28秒降到3秒

3.预览分割结果

通过生成所有类的 3D 渲染,让您快速了解分割是否有效以及失败的位置。只需要添加--preview参数

TotalSegmentator -i CT1202301051207_ZHOU_JUN/P_to_V.nii.gz -o CT1202301051207_ZHOU_JUN/P_to_V_liver --preview 
  • 1

上述命令如果报错OSError: Can not find Xvfb. Please install it and try again
通过下面命令进行安装sudo apt-get install xvfb

讲真,我安装有问题,没解决(如上图)。其实我蛮需要这个功能的,为了解决这个功能,我把电脑都搞崩了,最后重装了驱动。有大佬解决滴滴我一下,TQ。

虽然没直接解决,我绕弯解决了。

如果环境有问题,我们可以直接用官方的docker。当然,前提是安装好了

docker run --gpus 'device=0' --ipc=host -v /absolute/path/to/my/data/directory:/tmp wasserth/totalsegmentator:2.0.0 TotalSegmentator -i /tmp/ct.nii.gz -o /tmp/segmentations
  • 1

4.所有器官分割结果存在一个文件里面

我们之前的结果都是一个器官一个文件,想合并在同一个nii.gz文件,怎么办?

只需要添加--ml参数,这将保存一个包含所有标签的 nifti 文件,而不是为每个类保存一个文件。在保存 nifti 文件期间节省运行时间

TotalSegmentator -i CT1202301051207_ZHOU_JUN/P_to_V.nii.gz -o CT1202301051207_ZHOU_JUN/P_to_V_seg  --ml 
  • 1

其他

  • –statistics:这将生成一个statistics.json包含体积(以 mm³ 为单位)和每个类别的平均强度的文件。
  • –radiomics:这将生成一个statistics_radiomics.json包含每个类别的放射组学特征的文件。您必须安装 Pyradiomics 才能使用此功能 ( pip install pyradiomics)。

5.批量处理所有图像

以上的功能都仅是针对单个病人进行处理。显然在深度学习中,我们需要勾画几百上千个病人,如何对这些病人进行批量处理变得非常重要。这可不是官方提供的,Tina姐独家配方!!

假设你的数据在train–>patient–>p_to_v.nii.gz.这里有多个patient文件夹。需要对每个文件夹下的p_to_v.nii.gz进行分割。使用循环即可

for i in `ls`; do cd $i; TotalSegmentator -i P_to_V.nii.gz -o ./  --preview; cd ..; done
  • 1

注意:仅针对LINUX系统,并且熟悉shell的同学。不然你直接复制我的命令可能得不到你想要的结果。

6. 在python中运行totalsegmentator

如果你不习惯用终端操作。你也可以在python中调用totalsegmentator

import nibabel as nib
from totalsegmentator.python_api import totalsegmentator

if __name__ == "__main__":
    # option 1: provide input and output as file paths
    totalsegmentator(input_path, output_path)

    # option 2: provide input and output as nifti image objects
    input_img = nib.load(input_path)
    output_img = totalsegmentator(input_img)
    nib.save(output_img, output_path)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

Totalsegmentator可以分割哪些器官

  • spleen(脾),kidney_right(右肾),kidney_left(左肾),
  • gallbladder(胆囊),liver(肝),stomach(胃),
  • pancreas(胰腺),adrenal_gland_right(右肾上腺),
  • adrenal_gland_left(左肾上腺),lung_upper_lobe_left(左肺上叶),
  • lung_lower_lobe_left(左肺下叶),lung_upper_lobe_right(右肺上叶),
  • lung_middle_lobe_right(右肺中叶),lung_lower_lobe_right(右肺下叶),
  • esophagus(食管),trachea(气管),
  • thyroid_gland(甲状腺),small_bowel(小肠),
  • duodenum(十二指肠), colon(结肠),
  • urinary_bladder(膀胱),prostate(前列腺),
  • kidney_cyst_left(左肾囊肿),kidney_cyst_right(右肾囊肿),
  • sacrum(骶骨),vertebraeC1-S1(椎体,颈1椎体为C1类,胸1椎体为T1类,腰1椎体为L1类,依次类推),
  • heart(心脏),aorta(主动脉),
  • pulmonary_vein(肺静脉),brachiocephalic_trunk(颈总动脉干),
  • subclavian_artery_right(右锁骨下动脉),subclavian_artery_left(左锁骨下动脉),
  • common_carotid_artery_right(右颈总动脉),common_carotid_artery_left(左颈总动脉),
  • brachiocephalic_vein_left(左肱头静脉),brachiocephalic_vein_right(右肱头静脉),
  • atrial_appendage_left(左心房附属物),
  • superior_vena_cava(上腔静脉),inferior_vena_cava(下腔静脉),
  • portal_vein_and_splenic_vein(门静脉和脾静脉),
  • iliac_artery_left(左髂动脉),iliac_artery_right(右髂动脉),
  • iliac_vena_left(左髂静脉),iliac_vena_right(右髂静脉),
  • humerus_left(左肱骨),humerus_right(右肱骨),
  • scapula_left(左肩胛骨),scapula_right(右肩胛骨),
  • clavicula_left(左锁骨),clavicula_right(右锁骨),
  • femur_left(左股骨),femur_right(右股骨),
  • hip_left(左髋),hip_right(右髋),
  • spinal_cord(脊髓),
  • gluteus_maximus_left(左臀大肌),gluteus_maximus_right(右臀大肌),
  • gluteus_medius_left(左臀中肌),gluteus_medius_right(右臀中肌),
  • gluteus_minimus_left(左臀小肌),gluteus_minimus_right(右臀小肌),
  • autochthon_left(左本位肌),autochthon_right(右本位肌),
  • iliopsoas_left(左髂腰肌),iliopsoas_right(右髂腰肌),
  • brain(大脑),skull(头骨),
  • rib_left_1-12(左肋骨1-12),rib_right_1-12(右肋骨1-12)
  • sternum(胸骨),costal_cartilages(肋软骨)

文章持续更新,可以关注微公【医学图像人工智能实战营】获取最新动态,一个关注于医学图像处理领域前沿科技的号。坚持以实践为主,手把手带你做项目,打比赛,写论文。凡原创文章皆提供理论讲解,实验代码,实验数据。只有实践才能成长的更快,关注我们,一起学习进步~

我是Tina, 我们下篇博客见~

白天工作晚上写文,呕心沥血

觉得写的不错的话最后,求点赞,评论,收藏。或者一键三连

在这里插入图片描述

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/不正经/article/detail/611981
推荐阅读
相关标签
  

闽ICP备14008679号