MedSAM2安装与配置指南

#MedSAM2安装与配置指南

1. 项目基础介绍

MedSAM2是一个开源项目，旨在对3D医疗图像和视频进行任意分割。该项目基于SAM2（Segment Anything in Images and Videos）模型，并针对医疗图像和视频的特点进行了优化。项目的主要编程语言是Python。

2. 关键技术和框架

• SAM2模型：这是项目使用的主要技术，用于图像和视频的任意分割。
• PyTorch：一个流行的深度学习框架，用于模型的实现和训练。
• Gradio：一个用于构建机器学习演示的应用程序框架。

3. 安装和配置

准备工作

在开始安装之前，请确保您的系统满足以下要求：

• Python 3.12
• CUDA（如果使用NVIDIA GPU）
• conda（用于创建虚拟环境和管理包）

安装步骤

步骤1：创建虚拟环境

打开终端或命令提示符，执行以下命令来创建一个名为medsam2的虚拟环境，并激活它：

conda create -n medsam2 python=3.12 -y
conda activate medsam2

步骤2：安装PyTorch

在虚拟环境中，安装PyTorch和Torchvision。根据您的系统配置选择合适的命令：

pip3 install torch torchvision

步骤3：克隆项目仓库

使用git克隆项目仓库到本地：

git clone https://github.com/bowang-lab/MedSAM2.git && cd MedSAM2

步骤4：安装项目依赖

在项目目录中，安装项目所需的所有依赖：

pip install -e ".[dev]"

步骤5：下载预训练模型

执行以下命令以下载预训练模型：

sh download.sh

步骤6：安装额外依赖（可选）

如果需要使用Gradio进行演示，还需要安装以下依赖：

sudo apt-get update
sudo apt-get install ffmpeg
pip install gradio==3.38.0
pip install numpy==1.26.3
pip install ffmpeg-python
pip install moviepy

步骤7：开始使用

安装完成后，您可以根据项目的说明和API文档开始使用MedSAM2。例如，进行3D医疗图像分割的命令如下：

python medsam2_infer_3D_CT.py -i CT_DeepLesion/images -o CT_DeepLesion/segmentation

遵循以上步骤，您应该能够成功安装和配置MedSAM2项目。