niftynet - 不知道如何生成采样位置：

Question

统一采样器中的尺寸是如何生成的？我尝试调试图像大小，它似乎适用于某些迭代，但不适用于其他迭代。任何想法如何解决这个问题。我的配置如下：

[风俗]

• 类数：14

• 输出概率：真

• 标签标准化：真

• 软最大：真

• min_sampling_ratio: 0

• 强制标签：(0, 1)

• rand_samples：0

• min_numb_labels：1

• proba_connect：真

• 评估单位：前景

• 图像：（'图像'，）

• 标签：（'标签'，）

• 重量： （）

• 采样器：（）

• 推断： （）

名称：net_segment

[配置文件]

• 路径：/home/ubuntu/niftynet/extensions/deepmedic/deepmedic_all_task_renambed_labels.ini

[图片]

• csv_file:

• path_to_search: /home/ubuntu/med_deacthalon/Task_all_same_names/imagesTr_1

• 文件名包含：（）

• filename_not_contains: ('肺',)

• interp_order：3

• 装载机：无

• pixdim: (1.0, 1.0, 1.0)

• 轴码：（'A'，'R'，'S'）

• 空间窗口大小：（51、51、51）

[标签]

-csv_file:

• path_to_search: /home/ubuntu/med_deacthalon/Task_all_same_names/labelsTr_1

• 文件名包含：（）

• filename_not_contains: ('肺',)

• interp_order：3

• 装载机：无

• pixdim: (1.0, 1.0, 1.0)

• 轴码：（'A'，'R'，'S'）

• 空间窗口大小：（9、9、9）

[系统]

• cuda_devices：“”

• 线程数：2

• num_gpus：1

• 模型目录：/home/ubuntu/models_nifty/deepmedic/all_task_same_name_rename_labels

• dataset_split_file: ./dataset_split.csv

• 动作：火车

[网络]

• 名称：深度医学

• 激活函数：relu

• 批量大小：32

• 衰减：0.0

• reg_type：L2

• volume_padding_size: (21, 21, 21)

• volume_padding_mode：最小

• window_sampling：统一

• 队列长度：128

• multimod_foreground_type：和

• histogram_ref_file: histogram_standardisation_alltask.txt

• norm_type：百分位数

• 截止：（0.01，0.99）

• 前景类型：otsu_plus

• 标准化：错误

• 美白：真

• normalise_foreground_only：真

• weight_initializer: he_normal

• 偏差初始化器：零

• 保持概率：1.0

• weight_initializer_args：{}

• 偏差初始化器参数：{}

[训练]

• 优化师：亚当

• sample_per_volume: 32

• 旋转角度：（-10.0，10.0）

• 旋转角度x：（）

• 旋转角度y：（）

• 旋转角度z：（）

• scaling_percentage: (-10.0, 10.0)

• 随机翻转轴：-1

• do_elastic_deformation: 假

• num_ctrl_points：4

• 变形西格玛：15

• 比例变形：0.5

• LR：0.001

• loss_type: 骰子

• 起始迭代器：0

• save_every_n：45

• 张量板_每个_n：20

• 最大迭代器：10

• 最大检查点：20

• 验证_每个_n：-1

• 验证最大迭代器：1

• exclude_fraction_for_validation：0.0

• exclude_fraction_for_inference：0.0

[推理]

• 空间窗口大小：（57、57、57）

• inference_iter：-1

• dataset_to_infer：

• save_seg_dir: ./deepmedic/alltask_newname

• 输出后缀：_niftynet_out

• output_interp_order: 0

• 边界：（36、36、36）

CRITICAL:niftynet: Don't know how to generate sampling locations: Spatial dimensions of the grouped input sources are not consistent. {(477, 451, 187), (391, 369, 147)} Exception in thread Thread-2: Traceback (most recent call last): File "/home/ubuntu/anaconda3/envs/python3/lib/python3.6/threading.py", line 916, in _bootstrap_inner self.run() File "/home/ubuntu/anaconda3/envs/python3/lib/python3.6/threading.py", line 864, in run self._target(*self._args, **self._kwargs) File "/home/ubuntu/niftynet/NiftyNet/niftynet/engine/image_window_buffer.py", line 148, in _push for output_dict in self(): File "/home/ubuntu/niftynet/NiftyNet/niftynet/engine/sampler_uniform.py", line 81, in layer_op self.window.n_samples) File "/home/ubuntu/niftynet/NiftyNet/niftynet/engine/sampler_uniform.py", line 151, in _spatial_coordinates_generator _infer_spatial_size(img_sizes, win_sizes) File "/home/ubuntu/niftynet/NiftyNet/niftynet/engine/sampler_uniform.py", line 238, in _infer_spatial_size raise NotImplementedError NotImplementedError

标签： niftynet

Answer 1

问题在这里得到解决：https ://github.com/NifTK/NiftyNet/issues/170

总之，当pixdim在配置文件中设置时，图像和标签应该在它们的标题中存储相同的体素间距值。