问题标签 [niftynet]

是否可以在配置文件中设置输出格式Niftynet？例如，我想让我的输出为png.

我的输出目前是.nii.gz格式。

谢谢你。

我正在使用 Niftynet 进行医学图像分割。我在这里https://nbviewer.jupyter.org/gist/fepegar/1fb865494cb44ac043c3189ec415d411看到了关于 spatial_window_shape 参数约束的精彩教程。

但我想知道如何在可能的形状之间进行选择？它们背后的逻辑是什么？何时选择更大或更小的 spatial_window_shape 尺寸？为图像、标签和推理设置此参数有什么重要意义？为什么标签和图像的尺寸不同？我也对边框参数如何影响这个选择感兴趣。

我正在调整 niftynet 提供的广义骰子损失，以在我自己的 tensorflow 网络上使用，该网络产生单个标签的概率。为了使用广义骰子损失，我将这一行添加到文件的开头（我正在处理 2D 数据）：

prediction = tf.concat([1 - prediction, prediction], axis=3)

我使用的批量大小为 1。当我测试 Square、Simple 和 Uniform 的 type_weight 时，我得到了非常相似的结果。似乎应该对 ref_vol 求和，还是我错过了这个？

神经网络新手在这里。我一直在测试 Niftynet，并在自己的带有 dense_vnet 的 MRI 数据集上实现了不错的单类 3D 分割预测。但是，当我尝试添加第二个标签时，我运气不佳。该网络似乎发现了正确的器官，但无法摆脱额外的伪影，就好像它无法脱离局部最小值或者它没有足够的自由度或其他东西。这是更好看的预测切片之一，它确实显示了一些正确的标签，但也显示了额外的噪声。

为什么单类分割比多类分割效果更好？期望 DenseVnet 提供良好的多类 3D 分割结果是否合理？如果是，是否有改进结果的具体方法？

PS Niftynet 的网站是指一般问题的 stackoverflow。

我正在尝试使用 NiftyNet 运行分类。我想进行训练，我有一个包含图像的训练集和分配给它们的类，例如 image1 -> cancer 和 image2 -> no cancer。基本上我没有掩码，似乎如果我想运行分类，我需要使用带有标记体素的掩码来运行分类训练。我假设这是基于以下页面：https://niftynet.readthedocs.io/en/dev/_modules/niftynet/application/classification_application.html#ClassificationApplication，它试图解释如何创建一个分类部分，该部分指出类似于分割。

最终，我的问题是，如果我只有图像和每个图像所属的类，我是否可以使用 NiftyNet 运行分类。例如，如果我有 4 个类 0、1、2 和 3，并且我已经映射了我的数据，例如 image1 -> 1、image2 -> 3、image3 -> 1、image4 -> 2、image5 -> 0 等。我可以将图像用作输入并输出一个向量，例如 [0 0 1 0] 以使用 NiftyNet 进行训练吗？如果是这样，您能否举例说明如何在 .ini 文件中创建 CLASSIFICATION 部分？

对于这个很长的问题，请提前道歉。

我想使用 Dense V-Net 架构实现迁移学习。当我在寻找如何做到这一点时，我发现这个功能目前正在开发中（如何在 NiftyNet 中实现迁移学习？）。

虽然从那个答案很明显没有直接的方法来实现它，但我试图：

1) 创建密集 V-Net

2) 从 .ckpt 文件中恢复权重

3）自己实现迁移学习

要执行第 1 步，我想我可以使用 niftynet.network.dense_vnet 模块。因此，我尝试了以下方法：

但是，我收到以下错误：

所以，问题是：

有什么方法可以实现吗？

我正在运行一个 3 类分割问题，我的标签图像是“0（很多），1（一些），2（一些）”。但我意识到当 NiftyNet 读取图像时，它只有 0/1 两个值。当 label_normalization 开启时，ref.txt 文件显示“label from 0,1 to 0,1”；如果我把它关掉，预测也只有 0/1 两个值。

知道出了什么问题吗？标签图像格式问题？

非常感谢！

In NiftyNet framework - what is the purpose of interp_order param in config file? There is very short explanation in documentation which is not clear enough.

Why there is usually set to 0 in label section, and to 3 in image section.

我似乎找不到我的推理模型在哪里，我有 .csv 文件并且可以看到损失，但我找不到标签文件或图像本身。这是我的推理部分：

边界 = (44,44,44)
output_interp_order = 0

根据文档，我的输出文件夹中应该有我的推理输出，我相信它是写在 SYSTEM 部分中的 model_dir，它只有以下内容： model_dir 内容

我正在使用 Niftynet 使用 2 个 GPU 训练 CNN。据我了解，每个 GPU 都是独立训练的，因为每次迭代我都会得到两个损失值。两个 GPU 的结果是否在推理时结合在一起？我曾经相信使用多 GPU 可以减少训练时间，但在 Niftynet 中似乎并非如此。