nnUNet项目中关于SciPy弃用警告的技术分析与解决方案

背景介绍

在医学图像分割领域广泛使用的nnUNet框架中，近期用户报告了与SciPy库相关的多个弃用警告问题。这些警告主要出现在使用较新版本SciPy(1.13.1)时，涉及nnUNet及其依赖库batchgenerators中的导入方式。

问题本质分析

这些弃用警告源于SciPy库对其内部组织结构的重构。SciPy 1.13.1版本开始，开发团队决定简化ndimage模块的命名空间结构，将原本分散在不同子模块的功能集中到主命名空间下。具体变化包括：

1. 原scipy.ndimage.filters模块中的函数(如gaussian_filter)将移至scipy.ndimage
2. 原scipy.ndimage.morphology模块中的函数(如grey_dilation)将移至scipy.ndimage
3. 原scipy.ndimage.measurements模块中的函数(如label)将移至scipy.ndimage
4. 原scipy.ndimage.interpolation模块中的函数(如map_coordinates)将移至scipy.ndimage

这种重构是SciPy库持续优化的一部分，旨在提供更简洁、一致的API接口。虽然目前旧导入方式仍能工作，但会在控制台输出警告信息，提示开发者更新导入语句。

影响范围

该问题主要影响以下组件：

1. batchgenerators库的augmentations/utils.py模块
2. nnUNet的preprocessing/resampling/default_resampling.py模块

在用户环境中，这些警告会在导入相关模块时大量重复出现，严重影响开发体验和日志可读性。

临时解决方案

对于需要立即解决此问题的开发者，可以采用以下几种临时方案：

1. 警告过滤法：在导入相关模块前添加警告过滤代码

import warnings
with warnings.catch_warnings():
    warnings.filterwarnings('ignore', category=DeprecationWarning)
    # 在此范围内导入nnUNet相关模块

2. 版本降级法：暂时使用较旧版本的SciPy(如1.10.0以下版本)，这些版本尚未引入相关弃用警告

3. 环境隔离法：为nnUNet项目创建独立的虚拟环境，控制依赖版本

长期解决方案

从技术架构角度看，最根本的解决方案是更新相关库的导入语句：

1. batchgenerators库需要更新utils.py中的导入方式
2. nnUNet需要更新default_resampling.py中的导入方式

具体修改示例如下：

原代码：

from scipy.ndimage.filters import gaussian_filter
from scipy.ndimage.morphology import grey_dilation
from scipy.ndimage.measurements import label
from scipy.ndimage.interpolation import map_coordinates

应更新为：

from scipy.ndimage import (
    gaussian_filter,
    grey_dilation,
    label,
    map_coordinates
)

技术建议

对于医学图像处理开发者，建议：

1. 关注依赖库的更新动态，特别是像SciPy这样的基础科学计算库
2. 在项目初期明确依赖版本，并在requirements.txt或environment.yml中固定版本
3. 定期检查并更新项目中的弃用警告，避免未来版本不兼容
4. 考虑为长期项目维护自己的分支，以便及时应用关键修复

总结

SciPy库的结构优化是技术发展的必然趋势，虽然短期内可能带来一些兼容性问题，但从长远看有利于生态系统的健康发展。nnUNet作为医学图像分割的重要工具，其依赖库的更新需要社区共同努力。开发者可以通过上述方案缓解当前问题，同时期待相关维护团队尽快发布正式更新。