快速入门

本指南将帮助您快速上手 HABIT，优先完成图像预处理流程。

前提条件

确保您已经：

  1. 安装了 HABIT（参考 安装指南）

  2. 准备了医学图像数据（DICOM 或 NIfTI 格式）

快速入门示例

我们将使用 demo_data 中的示例数据完成图像预处理，并说明如何准备数据。

数据准备（demo_data）

重要提示: 使用前需要先通过以下链接下载 demo_data 并解压到项目根目录。

📦 演示数据下载

解压后会得到以下 demo 数据：

  • DICOM 数据: demo_data/dicom/sub001、demo_data/dicom/sub002

  • 预处理配置: demo_data/config_preprocessing.yaml

  • 文件列表: demo_data/files_preprocessing.yaml

如果使用自己的数据，请按"受试者/期相/序列"的结构整理 DICOM， 并参照 files_preprocessing.yaml 填写每个受试者对应的序列路径。

示例（节选）：

auto_select_first_file: false
images:
  subj001:
    delay2: ./dicom/sub001/WATER_BHAxLAVA-Flex-2min_Series0012
    delay3: ./dicom/sub001/WATER_BHAxLAVA-Flex-3min_Series0014
    delay5: ./dicom/sub001/WATER_BHAxLAVA-Flex-5min_Series0016

步骤 1: 图像预处理

首先，我们需要对原始 DICOM 图像进行预处理。

使用 CLI:

habit preprocess --config ./demo_data/config_preprocessing.yaml

使用 Python API:

from habit.core.preprocessing.image_processor_pipeline import BatchProcessor

processor = BatchProcessor(config_path='./demo_data/config_preprocessing.yaml')
processor.process_batch()

输出:

预处理后的图像将保存在 ./demo_data/preprocessed/processed_images/ 目录下。

下一步建议

完成预处理后，可继续阅读用户指南，进入生境分割与特征提取流程：

配置文件说明

HABIT 使用 YAML 配置文件来控制所有参数。配置文件的结构如下：

预处理配置 (config_preprocessing.yaml):

data_dir: ./files_preprocessing.yaml
out_dir: ./preprocessed

Preprocessing:
  dcm2nii:
    images: [delay2, delay3, delay5]
    dcm2niix_path: ./dcm2niix.exe
    compress: true

  resample:
    images: [delay2, delay3, delay5]
    target_spacing: [1.0, 1.0, 1.0]

processes: 2
random_state: 42

下一步

恭喜您完成了快速入门！接下来您可以：