Python版：TotalSegmentator安装与操作手册——初学者友好指南

1. TotalSegmentator 介绍

TotalSegmentator 是一个基于Pytorch nnUNet 框架的医学图像分割工具。主要用于在 CT 和 MR 图像中进行解剖结构的分割。

Github地址：https://github.com/wasserth/TotalSegmentator

2. 安装（Linux conda环境下）

# 环境要求：
Python >= 3.9
Pytorch >= 1.12.1

# 环境安装
conda create -n TotalSegmentator python=3.10
conda activate TotalSegmentator
pip install TotalSegmentator

# 如果需要使用 --preview 选项，需要安装 xvfb 和 fury：
sudo apt-get install xvfb
pip install fury -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 使用示例

3.1 单样本

# 对 CT 图像进行分割
TotalSegmentator -i ct.nii.gz -o segmentation
TotalSegmentator -i ./nii/pat1.nii.gz  -o ./segmentation -rsr vertebrae_L1 vertebrae_L2 vertebrae_L3 vertebrae_L4 vertebrae_L5 -rmb  --statistics --ml

# 对 MR 图像进行分割
TotalSegmentator -i mri.nii.gz -o segmentation --task total_mr
PS：执行命令时，第一步会自动下载预训练模型，因此，可先尝试先运行上述命令。

-i 输入图像，为包含一名患者的所有 DICOM 切片的 Nifti 文件或文件夹作为输入
-o 输出目录
--task 指基于CT图像或者MRI图像的主任务（CT图像是total，MRI是total_mr），或者子任务（子任务一般与血管，肌肉，积液，皮肤等任务相关），可参考本文末尾表格
-rs 指定感兴趣的分割目标
-rsr 类似于roi_subset，但使用更慢但更稳健的模型来查找ROI（推荐，准确度高）
--statistics # 计算分割结果的volume（即分割出的感兴趣区域（ROI）的体积，单位为立方毫米（mm³））与intensity （分割区域内的平均强度（灰度值），Hounsfield Units（HU，用于CT图像）或无单位（用于MRI图像））
-rmb 从最终分割中移除小的连通组件（小于0.2ml），用于减少噪音
--fast：能够用更快的运行时间和更少的内存需求进行分割，此选项下模型分辨率较低（3 毫米），正常模型分辨率为1.5 毫米。

3.2 批量使用

输入目录nii如下：

批量处理命令（shell）：

ls nii/ | while read i; do base_name=$(echo $i | sed 's/\.nii\.gz$//'); TotalSegmentator -i ./nii/$i -o ./segmentation/${base_name}/${base_name} -rsr vertebrae_L1 vertebrae_L2 vertebrae_L3 vertebrae_L4 vertebrae_L5 -rmb --statistics --ml; done

输出目录框架（与输入文件保持相同的文件名）

3.3 使用前预训练模型下载

在运行前，第一步会默认下载任务相关的预训练模型，而下载速度过慢容易导致中断，按下述方法可提升下载速度：

# 尝试修改权重下载地址为 GitHub 镜像
将 lib.py 文件中的权重下载地址从：
url = "https://github.com/wasserth/TotalSegmentator/releases/download"
改为
url = "https://github.moeyy.xyz/https://github.com/wasserth/TotalSegmentator/releases/download"

PS: lib.py 文件可通过 python -c "import totalsegmentator; print(totalsegmentator.__file__)" 命令定位

或直接在本地下载

Releases · wasserth/TotalSegmentator

TotalSegmentator 的预训练模型默认存储在 ~/.totalsegmentator/nnunet/results 目录，如下：

3.4 使用小技巧

分割单一器官或几个器官

TotalSegmentator会自动分割所有器官，但实际应用中，我们只对其中的一个或几个器官感兴趣。-rs或-rsr参数指定器官，上述命令表示只分割腰椎骨L1区域，如需指定多个器官就用就用空格分开各个器官，示例如下：

TotalSegmentator -i ./nii/pat1.nii.gz  -o ./ --roi_subset vertebrae_L1 vertebrae_L2 vertebrae_L3 vertebrae_L4 vertebrae_L5 -rmb  --statistics

但当你指定多个器官时，TotalSegmentator默认为每一个器官输出一个分割文件（比如上述命令输出vertebrae_L1.nii.gz、vertebrae_L2.nii.gz到vertebrae_L5.nii.gz共5个文件，指定--ml 可保存所有的分割结果到一个nii.gz文件中

TotalSegmentator -i ./nii/pat1.nii.gz  -o ./segmentation -rsr vertebrae_L1 vertebrae_L2 vertebrae_L3 vertebrae_L4 vertebrae_L5 -rmb  --statistics --ml

分割任务选择

TotalSegmentator主要用于 CT 和 MR 图像中进行解剖结构的分割，包括Main tasks 和Subtasks 。其中Main tasks 包括117个基于CT图像和50个基于MR图像的分割任务（主要为器官，骨椎和动静脉）。Subtasks 为血管，肌肉，积液，皮肤的识别。

（1）分割任务查找工具

TotalSegmentator 提供了一个查找任务的窗口TotalSegmentator find task

示例如下：

这表示，vertebrae_C3的分割任务在total下，即为基于CT图像的主要解剖任务。因此我们可以在上述命令的基础上添加-rs为vertebrae_C3。

整体命令为

TotalSegmentator -i ct.nii.gz -o seg -ta total -rs vertebrae_C3

（2）Main tasks

可做的任务清单可见网址，或下述表格

GitHub – wasserth/TotalSegmentator: Tool for robust segmentation of >100 important anatomical structures in CT and MR images

基于CT图像的解剖任务

基于MRI图像的解剖任务

（3）Subtasks

Subtasks主要为血管，肌肉，积液，皮肤的识别，具体可参考官方文档：GitHub – wasserth/TotalSegmentator: Tool for robust segmentation of >100 important anatomical structures in CT and MR images

其他

如何你想知道图像是哪种模态（CT 或 MR）：

# 需要先安装 pip install xgboost
totalseg_get_modality -i image.nii.gz -o modality.json

如何你想知道 CT 图像是哪个 contrast phase（对比剂增强阶段）：

totalseg_get_phase -i ct.nii.gz -o contrast_phase.json

在TotalSegmentator分割的基础上，将原图和分割结果加载进ITK-SNAP或者3D slicer等标注软件进行手动修改。大大减少标注时间，提升标注效率。

作者：今天也不想动