title: U-Net与胰腺分割学习（1）
date: 2020-08-29 08:15:02
tags:

• CNN
• 前馈神经网络
• 图像识别
• U-Net
• 胰腺分割
  categories:
• 医学图像处理与医学软件

TCIA (The Cancer Imaging Archive)

TCIA是一个包含常见肿瘤（肺癌、前列腺癌等）医学图像及相应临床信息（治疗方案细节、基因、病理等）的大规模公用数据库，其影像模态包括MRI、CT等，图像格式均为DICOM，并且网站内数据在持续增加。所有数据都是由TCIA整理并管理。

网址：http://www.cancerimagingarchive.net/

通过点击Download下载，在电脑上得到后缀名为’.tcia’的文件，注意该文件必须通过‘NBIA DATA Retriever’软件打开，打开后就可以通过选择保存路径，开始下载数据集；(需要VPN)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-foJhm3wK-1642241531467)(/images/image-20200829081625498.png)]

管理conda

conda添加到环境变量

1. 验证conda已被安装

conda --version

2. 获取当前环境中已安装的包信息

conda list

Python包安装错误的解决办法

EnvironmentNotWritableError: The current user does not have write permissions to the target environment.
environment location: C:\ProgramData\Anaconda3

无法写入错误：当前的用户没有写入到该路径文件的权限

以管理员身份启动Anaconda（Anaconda Navigator或者Anaconda Prompt）

安装Pydicom

conda install -c conda-forge pydicom

安装完毕

ImportError:通过“import dicom”的Pydicom已经在Pydicom 1.0版本中被删除，请安装dicom包来恢复依赖于Pydicom 0.9的代码的功能或更早。例如，pip install dicom交替，大多数代码可以轻松转换为pydicom>1.0通过改变import 1ines从import dicom到import pydicomiSee过渡指南

pip install dicom

DICOM转换为Numpy数组数据

python dicom2npy.py

执行Python文件

import numpy as np
import os
import pydicom


N = 82
W = 512
H = 512
path1 = 'DOI'
path2 = 'images'
if not os.path.exists(path2):
    os.makedirs(path2)

for n in range(N):
    volumeID = '{:0>4}'.format(n + 1)
    # 宽度 ：后带填充的字符 0001~0082
    print ('Processing File ' + volumeID)
    print ('正在处理文件' + volumeID)
    # Processing File 0001 ~0082
    filename1 = 'PANCREAS_' + volumeID
    # PANCREAS_0001 ~PANCREAS_0082
    directory1 = os.path.join(path1, filename1)
    print ('directory1:' + directory1)
    # 把目录和文件名合成一个路径 directory1 = DOI/PANCREAS_0001/
    filename2 = volumeID + '.npy'
    # filename2 = 0001.npy ~0082.npy
    for path_, _, file_ in os.walk(directory1):
    #for dirpath, _dirnames,filenames in os.walk(path):
        print (path_,_,file_)
    # 文件夹的绝对路径，dirpath  文件夹下的子文件夹的名字，dirnames 文件夹的文件的名字，filenames
    #注意，函数会自动改变root的值使得遍历所有的子文件夹。、
    #所以返回的三元元组的个数为所有子文件夹（包括子子文件夹，子子子文件夹等等）加上1（根文件夹）。
        L = len(file_)
        
        # 文件夹内文件的个数 files 同样是 list , 内容是该文件夹中所有的文件(不包括子目录)
        if L > 0:
            print ('  ' + str(L) + ' slices along the axial view.')
            #沿轴向视图切片
            data = np.zeros((W, H, L), dtype = np.int16)
            for f in sorted(file_):
                file1 = os.path.abspath(os.path.join(path_, f)) #绝对路径
                print ('file1:' + file1)

                image = pydicom.read_file(file1)
                sliceID = image.data_element("InstanceNumber").value - 1
                if image.pixel_array.shape[0] != 512 or image.pixel_array.shape[1] != 512:
                    exit('  Error: DICOM image does not fit ' + str(W) + 'x' + str(H) + ' size!')
                data[:, :, sliceID] = image.pixel_array
            file2 = os.path.join(path2, filename2)
            np.save(file2, data)
            print  ('File ' + volumeID + ' is saved in ' + file2 + ' .')

Nibabel

conda install -c conda-forge nibabel

然后我发现他这个执行脚本是Linux的…

在VMware安装Ubuntu的时候发现下载异常的慢，然后上网搜要跳过SKIP（- -）换源

在Ubuntu里安装Anaconda

 cd /mnt/hgfs/UbuntuSharedFolder

bash Anaconda3-2020.07-Linux-x86_64.sh

Anaconda3的安装目录

退出终端，重新进来就出现了（base），则安装成功。

source ~/anaconda3/bin/activate root
anaconda-navigator

出现anaconda图形界面加载一会儿，就可以将其添加到任务栏或收藏夹上，下次可直接点击该图标即可实现可视化anaconda图形界面的操作。

然后安装Pydicom和上面步骤一样

更改脚本里的文件夹路径

DIR="/mnt/hgfs/UbuntuSharedFolder/images"

CUDA安装

不知道为什么CUDA安装完虚拟机就崩了，崩溃中…虚拟机方案失败，接下来试试子系统

网上搜索了一下好像虚拟机不能用CUDA加速，难道真的要安装双系统了吗…

先来试一试Windows的Ubuntu子系统看能不能使用物理显卡加速深度学习计算

先试试结果怎么样，真要用服务器计算的话就之后再说

Win10安装Ubuntu子系统

关于Linux的安装位置

WindowsAPP拒绝访问的解决办法

其中我把Administrator换为了Everyone

找到了Ubuntu安装位置

换源

cd /etc/apt
sudo cp /etc/apt/sources.list /etc/apt/sources.list_b
sudo nano sources.list

Ctrl+K全删完

• 中科大镜像

deb https://mirrors.ustc.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse

sudo apt-get update
sudo apt-get upgrade

-------------------------------废弃

安装VcXsrv

https://sourceforge.net/projects/vcxsrv/

其余默认下一步

保存设置到桌面直接启动

Ubuntu内安装桌面环境

sudo apt-get install ubuntu-desktop unity compizconfig-settings-manager

------------------------------------------废弃

尝试之后发现XcXsrv并不好用，还报了很多错，放弃。

通过本机远程桌面

安装xorg（包括显卡驱动、图形环境库等等一系列软件包）

sudo apt-get install xorg

安装xfce4（运行在类Unix操作系统上，提供轻量级桌面环境）

sudo apt-get install xfce4

安装xrdp（一种开源的远程桌面协议（RDP）服务器）

sudo apt-get install xrdp

配置xrdp（配置端口）

sudo sed -i 's/port=3389/port=3390/g' /etc/xrdp/xrdp.ini

向.xsession中写入xfce4-session

sudo echo xfce4-session >~/.xsession

重启xrdp服务

sudo service xrdp restart

在Cortana中搜索远程桌面连接，点击进入，计算机栏输入【本机IP:端口】，用户名栏输入子系统用户名，点击连接。

127.0.0.1:3390

PiP设置

临时使用 加参数-i https://pypi.tuna.tsinghua.edu.cn/simple

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyspider

mkdir ~/.pip
cd .pip
touch pip.conf
nano pip.conf

pip.conf内容

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=mirrors.aliyun.com

Tensenflow安装

安完Ubuntu没有pip,先安装pip

sudo apt-get install python3-dev python-scipy python-numpy python-matplotlib python-pandas python-nose

# Requires the latest pip 升级pip
pip install --upgrade pip
# Current stable release for CPU and GPU
pip install tensorflow

sudo apt-get install python-pip

pip install tensorflow

# 系统升级
sudo apt update
sudo apt upgrade

# 安装python基础开发包
sudo apt install -y python-dev python-pip python-nose gcc g++ git gfortran vim

• 安装运算加速库 打开终端输入：

sudo apt install -y libopenblas-dev liblapack-dev libatlas-base-dev

CUDA开发环境的搭建

https://developer.nvidia.com/cuda-downloads

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-ubuntu1604.pin
sudo mv cuda-ubuntu1604.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda-repo-ubuntu1604-11-0-local_11.0.3-450.51.06-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604-11-0-local_11.0.3-450.51.06-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu1604-11-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

• 将CUDA路径添加至环境变量 在终端输入：

sudo gedit /etc/profile

在profile文件中添加：

export CUDA_HOME=/usr/local/cuda-11.0
export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

之后source /etc/profile即可

• 测试 在终端输入：

nvcc -V

会得到相应的nvcc编译器相应的信息，那么CUDA配置成功了。(记得重启系统)

如果要进行cuda性能测试，可以进行：

cd /usr/local/cuda/samples
sudo make -j8

编译完成后，可以进samples/bin/.../.../...的底层目录，运行各类实例。

no CUDA-capable device is detected

请问win10下的ubuntu子系统可以配置gpu深度学习环境吗？

win10下使用Ubuntu子系统调用GPU失败，下一个方案，docker调用GPU搭建深度学习环境

Keras安装

sudo pip install keras

Win10安装Ubuntu子系统及图形化界面详细教程

Win10系统下WindowsApps文件夹拒绝访问如何获取权限

win10 linux Ubuntu 18.04更换国内源