Skeleton-Recall 的安装和配置教程

1. 项目基础介绍

Skeleton-Recall 是一个开源项目，其主要目标是通过一种新颖的损失函数——Skeleton Recall Loss，来增强计算机视觉中细管状结构的连通性保持和资源高效分割。这种损失函数特别适用于血管、神经、道路或裂纹等细管状结构的分割任务。项目主要使用 Python 编程语言实现。

2. 关键技术和框架

本项目基于 nnUNet 框架，并引入了以下关键技术：

• Tubed Skeletonization：一种在数据加载过程中对真实分割掩膜进行骨架化的方法，它通过二值化、骨架提取、管状膨胀和类别分配等步骤来构建骨架。
• Soft Recall Loss：一种软召回损失计算方法，它基于预测结果和预先计算的管状骨架之间的比较来评估连通性保持。
• 损失函数组合：Skeleton Recall Loss 可以与其他通用损失函数（如 Dice Loss、交叉熵损失）结合使用，以提高分割性能。

3. 安装和配置准备工作

在开始安装之前，请确保您的系统中已安装以下依赖项：

• Python（建议使用 Python 3）
• pip（Python 包管理器）
• Git（用于克隆仓库）

详细的安装步骤

以下是将 Skeleton-Recall 项目安装到您本地环境的详细步骤：

1. 克隆项目仓库

   打开命令行窗口，执行以下命令以克隆项目仓库：

   git clone https://github.com/MIC-DKFZ/Skeleton-Recall.git
   

2. 安装依赖项

   切换到项目目录，安装项目所需的依赖项：

   cd Skeleton-Recall
   pip install -e .
   

3. 设置 nnUNet 环境

   要使 Skeleton-Recall 在 nnUNet 框架上工作，您需要将一些文件复制到现有的 nnUNet 安装目录中。这包括：

   • nnUNetTrainerSkeletonRecall 类
   • 数据加载过程中的骨架化过程
   • 自定义损失函数
   • 损失函数组合

   请参考项目文档，将这些文件复制到适当的位置。

4. 配置环境变量

   nnU-Net 需要知道您打算保存原始数据、预处理数据和训练模型的位置。请按照以下指南设置环境变量：

   # 示例设置环境变量，您需要根据实际情况设置这些值
   export nnUNet_raw_data_base="/path/to/your/raw/data"
   export nnUNet_preprocessed_data_base="/path/to/your/preprocessed/data"
   export nnUNet_trained_models_base="/path/to/your/trained/models"
   

5. 训练模型

   当一切配置完成后，您可以使用以下命令来训练模型：

   • 对于 2D 数据：

     nnUNetv2_train DATASET_NAME_OR_ID 2d FOLD -tr nnUNetTrainerSkeletonRecall
     

   • 对于 3D 数据：

     nnUNetv2_train DATASET_NAME_OR_ID 3d_fullres FOLD -tr nnUNetTrainerSkeletonRecall
     

   请替换 DATASET_NAME_OR_ID 和 FOLD 为您的具体数据集和折数。

按照上述步骤操作，您应该能够成功安装和配置 Skeleton-Recall 项目。