name: 数据集名字
dexcription: 对数据集的描述
modality: 模态，0表示CT数据，1表示MR数据。nnU-Net会根据不同模态进行不同的预处理（nnunet-v2版本改为channel_names）
labels: label中，不同的数值代表的类别(v1版本和v2版本的键值对刚好是反过来的)
file_ending: nnunet v2新加的
numTraining: 训练集数量
numTest: 测试集数量
training: 训练集的image 和 label 地址对
test: 只包含测试集的image. 这里跟Training不一样
“”"
json_dict[‘name’] = “KiTS”
json_dict[‘description’] = “kidney and kidney tumor segmentation”
json_dict[‘tensorImageSize’] = “4D”
json_dict[‘reference’] = “KiTS data for nnunet”
json_dict[‘licence’] = “”
json_dict[‘release’] = “0.0”

json_dict[‘channel_names’] = {
“0”: “CT”,
}
json_dict[‘labels’] = {
“background”: “0”,
“Kidney”: “1”,
“Tumor”: “2”
}
json_dict[‘numTraining’] = len(cases) # 应该是210例
json_dict[‘file_ending’] = “.nii.gz”
json_dict[‘numTest’] = 0
json_dict[‘training’] = [{‘image’: “./imagesTr/%s.nii.gz” % i, “label”: “./labelsTr/%s.nii.gz” % i} for i in cases]
#json_dict[‘test’] = []
save_json(json_dict, os.path.join(out, “dataset.json”))

 结构化处理的结果是在nnUNet\_raw/Dataset040\_KiTS文件下，生成四个文件。


![](https://img-blog.csdnimg.cn/d47af19c4dfb4bbe9134f6b70e617fdd.png)


 分别是，训练数据（应该是210条），测试数据（90），训练标签(210)，数据说明。


![](https://img-blog.csdnimg.cn/d1b9f2e74ba7445a93cbc8f7e6570f52.png)


![](https://img-blog.csdnimg.cn/e0dc4451ddb9483e8dd80c7e4d2f7f36.png)


![](https://img-blog.csdnimg.cn/d92ad87dcc97434f895817b5197e9e95.png)



![](https://img-blog.csdnimg.cn/2d2ac0c5ac5d4a00abeec1bd92fd5aee.png)



## 3、设置数据路径


命令行，确保在nnunet激活环境下，输入vim ~/.bashrc，然后点击键盘insert开始插入，在bashrc文末，添加如下三行代码。然后按Esc键，输入：wq，就可以保存退出。

vim ~/.bashrc

‘’’
说明，这里是路径是你自己的路径，就是上一步创建的三个文件夹的路径（这部分说明不需要写进去，只需要以下三行代码）
‘’’
export nnUNet_raw=“/root/data/wt/nnUNet/dataset/nnUNet_raw”
export nnUNet_preprocessed=“/root/data/wt/nnUNet/dataset/nnUNet_preprocessed”
export nnUNet_results=“/root/data/wt/nnUNet/dataset/nnUNet_trained_models”

![](https://img-blog.csdnimg.cn/d49349905e9d4031b4eb2036be345090.png)


 然后命令行输入source ~/.bashrc，确保激活路径。

source ~/.bashrc

**重点：**然后分别键入三个echo $nnUNet\_results，验证是否可以识别。不能识别，后续无法进行数据预处理。


![](https://img-blog.csdnimg.cn/2c3c80e05eb6490cb54f999f1162dc55.png)


 最好三个都验证一下，避免后续出现问题。


## 4、数据集预处理


输入下面这行命令：

nnUNetv2_plan_and_preprocess -d 040 --verify_dataset_integrity

新旧版本不同，有的此处为t，有的为d，新版本应该用d，用t会发现显示没有此命令。


040表示KiTS分割任务在nnunet中，为第40个任务，代号040。


注意：可能会出现如下错误，不识别背景标签0。原因是v1和v2版本不同，dataset.json文件做出了改动。具体解决办法，见我的另一篇博客[RuntimeError: Background label not declared (remeber that this should be label 0!)\_路人八荒的博客-CSDN博客](https://bbs.csdn.net/topics/618545628)_路人八荒的博客-CSDN博客")


![](https://img-blog.csdnimg.cn/ec2ffd9bfe2b41b69c6e71e791137646.png)


除了上述错误，可能由于V1和V2的区别，有很多错误，具体区别见我的博客：


[nnUNet v2和v1版本在dataset.json的区别（KiTS19数据集）\_路人八荒的博客-CSDN博客](https://bbs.csdn.net/topics/618545628)


预处理结果会在nnUNet\_preprocessed文件夹下生成一个Dataset040\_KiTS文件夹，里边会包含如下几个文件：


![](https://img-blog.csdnimg.cn/bc3d2f132e4f47f5967e2ce4eb64b81e.png)


预处理结果分析：


       gt\_segmentations为标签


       dataset.json就是上一步数据结构化处理生成的


        




## 5、参考博客


1、[nnU-Net v2的环境配置到训练自己的数据集（详细步骤）\_小萝北hh的博客-CSDN博客](https://bbs.csdn.net/topics/618545628)


2、[nn-UNet使用记录--开箱即用\_kits数据集\_宁远x的博客-CSDN博客](https://bbs.csdn.net/topics/618545628)





![img](https://img-blog.csdnimg.cn/img_convert/05cd49f795afe18b527494a297579897.png)
![img](https://img-blog.csdnimg.cn/img_convert/005840efeb401e322fefa054d75431d7.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**