20.WSL(Ubuntu22.04)中部署TotalSpineSeg模型

原创

已于 2026-02-03 14:36:42 修改 · 1.1k 阅读

标签

#语言模型 #神经网络 #TotalSpineSeg #ubuntu #linux

于 2026-02-03 14:32:30 首次发布

一、项目说明

1.1 项目仓库

GIT URL: https://github.com/neuropoly/totalspineseg

1.2 项目介绍

TotalSpineSeg 是一款用于自动分割 MRI 图像中所有椎骨、椎间盘、脊髓和椎管的工具。它对各种 MRI 对比度、采集方向和分辨率均具有鲁棒性。TotalSpineSeg 使用的模型基于nnU-Net，并以此作为训练和推理的主干网络。

如果您使用此模型，请引用我们的工作：

Warszawer Y、Molinier N、Valošek J、Shirbint E、Benveniste PL、Achiron A、Eshaghi A 和 Cohen-Adad J。使用结合 nnU-Net 和迭代算法的混合方法进行全自动椎骨和脊髓分割。 ISMRM 第 32 届年会论文集。 2024年

请同时引用nnU-Net，因为我们的工作很大程度上依赖于它：

Isensee, F., Jaeger, PF, Kohl, SA, Petersen, J., & Maier-Hein, KH (2021). nnU-Net：一种基于深度学习的生物医学图像分割的自配置方法。自然方法，18(2)，203-211。

在这里插入图片描述

1.3 模型描述

TotalSpineSeg采用混合方法，将nnU-Net与迭代算法相结合，用于椎骨、椎间盘、脊髓和椎管的实例分割和标注。该过程包括两个主要步骤：

步骤 1：使用 nnU-Net 模型（Dataset101）识别总共九个类别。这包括四个语义类别：脊髓、椎管、椎间盘和椎骨；以及五个地标类别：C2-C3、C7-T1、T12-L1 和 L5-S，它们代表脊柱上的关键椎间盘，以及 C1 椎骨，用于确定 MRI 图像是否覆盖 C1（图 1B）。然后使用迭代算法处理输出分割结果，以映射各个椎间盘，并从中提取异常椎间盘分割结果（图 1C）。

步骤 2：随后使用第二个 nnU-Net 模型（Dataset102）来识别总共十个类别。这包括五个语义类别：脊髓、椎管、椎间盘、奇数椎体和偶数椎体；以及五个地标类别：C2-C3、C7-T1、T12-L1 和 L5-S，它们分别代表脊柱上的关键椎间盘以及骶骨（图 1D）。该模型使用两个输入通道：MRI 图像（图 1A）和从第一步中提取的奇数椎间盘（图 1C）。最后，使用一种算法对输出分割结果进行处理，该算法为每个椎体和椎间盘分配单独的标签，从而生成最终分割结果（图 1F）。

为了进行比较，我们还训练了一个单一模型（Dataset103），该模型一步即可输出每个椎骨和椎间盘的单独标签值。

在这里插入图片描述

图 1：用于脊柱结构自动分割的混合方法示意图。(A) 输入 MRI 图像。(B) 步骤 1 模型预测。© 从步骤 1 预测中提取异常椎间盘。(D) 步骤 2 模型预测。(E) 最终分割结果，每个椎体和椎间盘均有单独的标签。

二、前置准备

2.1 cuda版本适配

cuda版本太高，cuda12.9的torch版本是2.8.0，readme要求torch的版本是小于2.6。

如需 CUDA GPU 支持，请按照其网站上的说明安装 PyTorch<2.6。请务必将 --upgrade 标志添加到您的安装命令中，以替换任何现有的 PyTorch 安装。例：

python3 -m pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu118 --upgrade

pytorch官网信息：

pip install torch==2.8.0 torchvision==0.23.0 torchaudio==2.8.0 --index-url https://download.pytorch.org/whl/cu129

满足条件的torch版本是2.5.1，对应的安装命令如下，满足要求的最高CUDA版本是12.4.

# CUDA 11.8
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1  pytorch-cuda=11.8 -c pytorch -c nvidia
# CUDA 12.1
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.1 -c pytorch -c nvidia
# CUDA 12.4
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.4 -c pytorch -c nvidia

2.2 WSL环境配置

更换wsl中Ubuntu镜像源地址为清华大学的镜像地址。

sudo sed -i 's@http://.*archive.ubuntu.com@https://mirrors.tuna.tsinghua.edu.cn@g' /etc/apt/sources.list
sudo sed -i 's@http://.*security.ubuntu.com@https://mirrors.tuna.tsinghua.edu.cn@g' /etc/apt/sources.list

更新仓库，安装依赖模块。

sudo apt update -y
sudo apt install gcc g++ cmake build-essential -y

2.2.1 CUDA12.4安装

下载并按照CUDA12.4。

wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run
sudo bash cuda_12.4.0_550.54.14_linux.run

打开~/.bashrc，配置CUDA环境：

export CUDA_HOME=/usr/local/cuda-12.4
export PATH=/usr/local/cuda-12.4/bin:$PATH
export  LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH

2.2.2 anaconda安装

下载anaconda安装包，执行安装。

wget https://mirror.lzu.edu.cn/anaconda/archive/Anaconda3-2025.06-1-Linux-x86_64.sh
chmod +x Anaconda3-2025.06-1-Linux-x86_64.sh 
./Anaconda3-2025.06-1-Linux-x86_64.sh

安装结束之后，我们对pip全局设置国内代理，这里选择腾讯的pip镜像源。

pip config set global.index-url  https://mirrors.cloud.tencent.com/pypi/simple
pip config set global.trusted-host mirrors.cloud.tencent.com

2.3 运行环境配置

通过conda创建python3.10的环境，手动安装pillow。

conda create -n totalspineseg python=3.10
conda  install pillow

然后从git仓库拉取代码，我们安装totalspineseg:


git clone https://github.com/neuropoly/totalspineseg.git
# 此时不需要先cd到totalspineseg中
python3 -m pip install -e totalspineseg[nnunetv2]

然后手工安装torch：

pip uninstall torch torchvision torchaudio
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124

三、使用方法

3.1 代理配置

代理配置
wsl种使用代理一定要打开局域网代理，关闭Windows的防火墙:

export http_proxy=http://172.30.160.1:7879
export https_proxy=http://172.30.160.1:7879

# 测试代理是否生效，返回200，301等状态码，则表示成功
curl -I https://github.com

3.2 模型推理

帮助手册

totalspineseg --help
usage: totalspineseg [-h] [--iso] [--loc LOC] [--suffix SUFFIX [SUFFIX ...]]
                     [--loc-suffix LOC_SUFFIX] [--step1]
                     [--keep-only KEEP_ONLY [KEEP_ONLY ...]]