TransBTS

TransBTS 项目介绍

TransBTS项目旨在利用Transformer技术进行多模态脑肿瘤分割。这一项目包括两个主要版本：TransBTS 和 TransBTSV2，分别针对医学影像的分割任务进行创新性改进。

什么是TransBTS和TransBTSV2？

TransBTS的全称为“Multimodal Brain Tumor Segmentation Using Transformer”。它是一个基于Transformer的多模态脑肿瘤分割模型，旨在改善脑肿瘤影像的自动分割精度。TransBTS通过结合多种数据模式，利用Transformer的强大特性，提供了一种新的分割方法。

TransBTSV2

TransBTSV2是TransBTS的升级版本，目标是实现更高效的医学影像分割。它通过“变宽而非变深”的策略，提升了模型在处理体积数据时的效率和准确性。

所需环境

项目运行需要特定的软件环境支持，包括：

Python 3.7
PyTorch 1.6.0
Torchvision 0.7.0
Pickle
Nibabel

数据获取

TransBTS和TransBTSV2支持多种医学影像数据集。常用的数据集包括：

BraTS 2019和BraTS 2020：专注于脑肿瘤的多模态影像数据，需要从指定平台获取。
LiTS 2017：用于肝脏肿瘤的影像分割。
KiTS 2019：针对肾脏肿瘤。

数据预处理

在使用数据前，需要对影像数据进行预处理。对于BraTS数据集，要将.nii文件转换为.pkl文件并进行数据归一化。可以通过运行以下命令实现：

python3 preprocess.py

模型训练

使用BraTS数据集进行模型训练。模型支持分布式训练，通过指定--nproc_per_node和--master_port参数来配置GPU数量和端口号：

python3 -m torch.distributed.launch --nproc_per_node=4 --master_port 20003 train.py

模型测试

完成训练后，可以通过下述命令对模型进行测试：

python3 test.py

测试完成后，可以将结果上传到指定平台进行最终结果评估（例如，Dice评分）。

如何引用

如果在研究中使用了TransBTS项目的代码或模型，请引用相关论文：

TransBTS:

@inproceedings{wang2021transbts,
  title={TransBTS: Multimodal Brain Tumor Segmentation Using Transformer},
  author={Wang, Wenxuan and Chen, Chen and Ding, Meng and Yu, Hong and Zha, Sen and Li, Jiangyun},
  booktitle={Medical Image Computing and Computer Assisted Intervention--MICCAI 2021},
  pages={109--119},
  year={2021},
  organization={Springer}
}

TransBTSV2:

@article{li2022transbtsv2,
  title={TransBTSV2: Wider Instead of Deeper Transformer for Medical Image Segmentation},
  author={Li, Jiangyun and Wang, Wenxuan and Chen, Chen and Zhang, Tianxiang and Zha, Sen and Yu, Hong and Wang, Jing},
  journal={arXiv preprint arXiv:2201.12785},
  year={2022}
}

TransBTS项目通过结合最先进的Transformer技术，推动了医疗影像自动分割领域的发展。这个项目在学术界和工业界都有重要的应用和前景。