ai-med-edu/seminars/Тема 1.1/resource2.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {
    "id": "9B_sc-M_NlTZ"
   },
   "source": [
    "Шаг 1. Устанавливаем библиотеку для работы с загрузкой данных по ссылке"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "colab": {
     "base_uri": "https://localhost:8080/"
    },
    "id": "OsQErPaDDkmK",
    "outputId": "49149067-e8b9-42f8-acbe-15b2d80cd79e"
   },
   "outputs": [],
   "source": [
    "!pip install gdown\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "id": "_F6Rmsu4NviH"
   },
   "source": [
    "Шаг 3. Скачиваем и распаковываем файлы,з ная ID"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "colab": {
     "base_uri": "https://localhost:8080/"
    },
    "id": "d19wjKXOLIyw",
    "outputId": "804d657b-dce7-4822-c631-b6a330801207"
   },
   "outputs": [],
   "source": [
    "import gdown\n",
    "\n",
    "# ID файла с Google Диска\n",
    "file_id = '1qVrpV7vmhIsUxFiH189LmAn0ALbAPrgS'\n",
    "#https://drive.google.com/file/d/1qVrpV7vmhIsUxFiH189LmAn0ALbAPrgS/view?usp=drive_link\n",
    "# Формируем URL для скачивания\n",
    "url = f'https://drive.google.com/uc?id={file_id}'\n",
    "\n",
    "# Скачиваем файл в директорию /content/\n",
    "file_path = '/content/my_file_name.tar'\n",
    "gdown.download(url, file_path, quiet=False)\n",
    "\n",
    "# Распаковываем архив .tar\n",
    "import tarfile\n",
    "with tarfile.open(file_path, 'r') as tar:\n",
    "    tar.extractall(path='/content/')\n",
    "    print(\"Архив распакован в директорию /content/\")\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "id": "YNJiS-a6N4vg"
   },
   "source": [
    "Шаг 4. Просматриваем структуру и описание данных в JSON"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "colab": {
     "base_uri": "https://localhost:8080/"
    },
    "id": "_G-7skCHPJZ2",
    "outputId": "f0d8712c-1805-4a5d-c857-3c6b6659fc71"
   },
   "outputs": [],
   "source": [
    "import json\n",
    "\n",
    "# Путь к файлу JSON\n",
    "json_file_path = '/content/Task08_HepaticVessel/dataset.json'\n",
    "\n",
    "# Загружаем содержимое JSON файла\n",
    "with open(json_file_path, 'r') as f:\n",
    "    dataset_info = json.load(f)\n",
    "\n",
    "# Просмотрим содержимое JSON\n",
    "print(json.dumps(dataset_info, indent=4))  # Красиво выводим содержимое\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "id": "4GOfTVYdODLL"
   },
   "source": [
    "Шаг 5. Выводим для просмотра 20 случайных объектов с метками из обучающего набора."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "colab": {
     "base_uri": "https://localhost:8080/",
     "height": 1000
    },
    "id": "CTMaymbpP1IQ",
    "outputId": "e6ce5b6a-b949-4499-93e5-a7f8816bc888"
   },
   "outputs": [],
   "source": [
    "import random\n",
    "import nibabel as nib\n",
    "import matplotlib.pyplot as plt\n",
    "import numpy as np\n",
    "import os\n",
    "\n",
    "# Папки с изображениями и метками\n",
    "images_dir = '/content/Task08_HepaticVessel/imagesTr'\n",
    "labels_dir = '/content/Task08_HepaticVessel/labelsTr'\n",
    "\n",
    "# Фильтруем доступные файлы\n",
    "available_files = sorted([f for f in os.listdir(images_dir) if not f.startswith('._') and f.endswith('.nii.gz')])\n",
    "images = [os.path.join(images_dir, file) for file in available_files]\n",
    "labels = [os.path.join(labels_dir, file.replace('imagesTr', 'labelsTr')) for file in available_files]\n",
    "\n",
    "# Проверяем количество файлов\n",
    "print(f\"Обнаружено {len(images)} изображений и {len(labels)} меток.\")\n",
    "\n",
    "# Случайно выбираем 20 изображений\n",
    "random_indices = random.sample(range(len(images)), min(20, len(images)))\n",
    "\n",
    "# Цветовая карта для меток\n",
    "cmap = plt.cm.colors.ListedColormap(['black', 'green', 'red'])  # Цвета: фон, сосуды, опухоли\n",
    "bounds = [0, 1, 2, 3]\n",
    "norm = plt.cm.colors.BoundaryNorm(bounds, cmap.N)\n",
    "\n",
    "# Визуализация изображений и меток\n",
    "for idx in random_indices:\n",
    "    try:\n",
    "        # Загружаем изображение и метку\n",
    "        image = nib.load(images[idx]).get_fdata()\n",
    "        label = nib.load(labels[idx]).get_fdata()\n",
    "\n",
    "        # Поиск срезов с ненулевыми метками\n",
    "        non_empty_slices = [z for z in range(label.shape[2]) if np.unique(label[:, :, z]).size > 1]\n",
    "\n",
    "        if not non_empty_slices:\n",
    "            print(f\"Все срезы в {images[idx]} содержат только фон.\")\n",
    "            continue\n",
    "\n",
    "        # Выбираем случайный срез с ненулевыми метками\n",
    "        slice_index = random.choice(non_empty_slices)\n",
    "        print(f\"Выбран срез {slice_index} для изображения {images[idx]}\")\n",
    "\n",
    "        plt.figure(figsize=(10, 5))\n",
    "\n",
    "        # Отображаем изображение\n",
    "        plt.subplot(1, 2, 1)\n",
    "        plt.imshow(image[:, :, slice_index], cmap='gray')\n",
    "        plt.title(f'Изображение (Slice: {slice_index})')\n",
    "        plt.axis('off')\n",
    "\n",
    "        # Отображаем метки\n",
    "        plt.subplot(1, 2, 2)\n",
    "        plt.imshow(label[:, :, slice_index], cmap=cmap, norm=norm)\n",
    "        plt.title('Метки')\n",
    "        plt.axis('off')\n",
    "\n",
    "        plt.show()\n",
    "\n",
    "    except Exception as e:\n",
    "        print(f\"Ошибка при обработке файла {images[idx]}: {e}\")\n"
   ]
  }
 ],
 "metadata": {
  "accelerator": "GPU",
  "colab": {
   "gpuType": "T4",
   "provenance": []
  },
  "kernelspec": {
   "display_name": "Python 3",
   "name": "python3"
  },
  "language_info": {
   "name": "python"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 0
}