如何在磁共振图像上正确地使用from_tensor_slices？

Question

我正在处理MRI图像，我想使用from_tensor_slices对路径进行预处理，但我不知道如何正确地使用它。下面是我的代码、问题消息和数据集的链接。

首先，我重新整理我的数据。484张图片和484张标签

image_data_path = './drive/MyDrive/Brain Tumour/Task01_BrainTumour/imagesTr/'
label_data_path = './drive/MyDrive/Brain Tumour/Task01_BrainTumour/labelsTr/'

image_paths = [image_data_path + name 
               for name in os.listdir(image_data_path) 
               if not name.startswith(".")]

label_paths = [label_data_path + name
               for name in os.listdir(label_data_path)
               if not name.startswith(".")]

image_paths = sorted(image_paths)
label_paths = sorted(label_paths)

然后是加载1个示例的函数(我使用nibabel加载nii文件)

def load_one_sample(image_path, label_path):

  image = nib.load(image_path).get_fdata()
  image = tf.convert_to_tensor(image, dtype = 'float32')
  label = nib.load(label_path).get_fdata()
  label = tf.convert_to_tensor(label, dtype = 'uint8')

  return image, label

接下来，我尝试使用from_tensor_slices

image_filenames = tf.constant(image_paths)
label_filenames = tf.constant(label_paths)

dataset = tf.data.Dataset.from_tensor_slices((image_filenames, label_filenames))

all_data = dataset.map(load_one_sample)

错误来了：TypeError: stat: path should be string, bytes, os.PathLike or integer, not Tensor

有什么不对的，我该怎么解决呢？

数据链：https://drive.google.com/drive/folders/1HqEgzS8BV2c7xYNrZdEAnrHk7osJJ--2 (任务1-脑瘤)

如果你需要更多的信息，请告诉我。

Answer 1

nib.load不是TensorFlow函数。

如果您想使用tf.data管道中任何不是TensorFlow函数的东西，那么您必须使用tf.py_function包装它。

代码：

image_data_path = 'Task01_BrainTumour/imagesTr/'
label_data_path = 'Task01_BrainTumour/labelsTr/'

image_paths = [image_data_path + name 
               for name in os.listdir(image_data_path) 
               if not name.startswith(".")]
label_paths = [label_data_path + name
               for name in os.listdir(label_data_path)
               if not name.startswith(".")]

image_paths = sorted(image_paths)
label_paths = sorted(label_paths)

def load_one_sample(image_path, label_path):
  image = nib.load(image_path.numpy().decode()).get_fdata()
  image = tf.convert_to_tensor(image, dtype = 'float32')
  label = nib.load(label_path.numpy().decode()).get_fdata()
  label = tf.convert_to_tensor(label, dtype = 'uint8')
  return image, label

def wrapper_load(img_path, label_path):
  img, label = tf.py_function(func = load_one_sample, inp = [img_path, label_path], Tout = [tf.float32, tf.uint8])
  return img, label

dataset = tf.data.Dataset.from_tensor_slices((image_paths, label_paths)).map(wrapper_load)

错误不是由于from_tensor_slices函数造成的，而是由于nibs.load需要一个字符串而得到一个张量而产生的。

然而，一个更好的方法是创建to记录并使用它们来训练模型。