nii格式图像转h5文件时出现问题

Question

我想将kits19数据集中的图像转换为h5格式以进行论文复现，但是转换后复现的结果在肾脏肿瘤上出现了较大偏差，准确率仅有0.5左右，我认为是格式转换时候出现了问题，但是不清楚具体什么原因。
能否求一份格式转换的代码

Answer 1

引自免费微信小程序：皆我百晓生

在深度学习领域，将nii格式（NIFTI）的医学图像转换为h5格式时，需要确保原始数据及其元信息（如空间分辨率、坐标系统等）在转换过程中得到准确保留。这里提供一个基于Python和nibabel与h5py库进行转换的示例代码：

import nibabel as nib
import h5py

# 加载nii格式图像
nii_file = 'path_to_your.nii'
img_nii = nib.load(nii_file)
data = img_nii.get_fdata()  # 获取图像数据
affine = img_nii.affine  # 获取图像的空间变换矩阵
header_info = img_nii.header  # 获取头文件信息（可能需要保存一些关键参数）

# 创建h5文件并写入数据及必要的元信息
h5_file = 'path_to_your.h5'
with h5py.File(h5_file, 'w') as hf:
    hf.create_dataset('data', data=data)  # 写入图像数据
    hf.create_dataset('affine', data=affine)  # 写入空间变换矩阵
    for key, value in header_info.items():  # 根据需要选择性地保存头文件信息
        hf.attrs[key] = value

# 确保在读取h5文件时，根据保存的元信息正确恢复图像的空间结构

然而，论文复现中出现的准确率低至0.5左右的问题，并不一定是由nii转h5格式直接导致的。还需要考虑以下几点以排查问题：

1. 数据预处理：确认在训练模型前是否对图像进行了正确的归一化、裁剪、填充等预处理步骤。
2. 模型配置：检查模型架构、损失函数、优化器以及训练参数设置是否与论文一致。
3. 训练过程：观察训练过程中的损失变化和验证集上的性能表现，确保没有过拟合或欠拟合现象。

若确定问题出在格式转换上，可以尝试在转换后对比原nii格式图像与转换后的h5格式图像的数据分布和空间结构一致性，确保无误后再用于训练模型。