conda环境配置nnU-Net生物医学图像分割肺动脉静脉血管

conda下载地址【清华镜像】：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

我的是python311版，就下载了：Miniconda3-py311_23.5.2-0-Windows-x86_64.exe

安装完成后打开Anaconda Prompt（管理员模式），就可以定制环境了。注意：所有指令都在这里执行，不是CMD环境。

提前准备：修改虚拟环境 & 安装包路径：（默认装在C盘会占用大量空间，开始没注意回头弄浪费大量时间）

参考网友这篇：
https://blog.csdn.net/2301_77798916/article/details/152122441

查看虚拟环境默认路径

conda config --show envs_dirs

查看安装包缓存默认路径

conda config --show pkgs_dirs

添加新的虚拟环境路径（优先级1，最优先使用）

conda config --add envs_dirs D:\CondaConfig\envs

添加新的包缓存路径（优先级1）

conda config --add pkgs_dirs D:\CondaConfig\pkgs

手动修改：

Windows ：打开文件管理器，在地址栏输入 C:\Users\用户名（如 C:\Users\33562），找到 .condarc 文件（若隐藏，需开启"显示隐藏文件"）。

修改他即可。

在conda中安装python311环境：

复制代码

# 创建Python 3.11的conda环境
conda create -n nnunet311_env python=3.11 -y

# 激活环境
conda activate nnunet311_env

# 升级pip（适配Python 3.11）
python -m pip install --upgrade pip setuptools wheel

安装 Python 3.11 兼容的依赖

复制代码

# 安装CUDA 11.8版本PyTorch（适配Python 3.11，GPU版）
pip install torch==2.1.2+cu118 torchvision==0.16.2+cu118 torchaudio==2.1.2+cu118 --index-url https://download.pytorch.org/whl/cu118

#下载太慢 Ctrl + C 中断下载，改用镜像下载
pip3 原地址 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 若无GPU，安装CPU版PyTorch
# pip install torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2
# 镜像下载
pip3 install torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装nnU-Net V2核心依赖（Python 3.11适配）
pip install SimpleITK==2.3.1 nibabel==5.2.1 pydicom==2.4.4 tqdm==4.66.1 requests==2.31.0 psutil==5.9.8 scipy==1.11.4 scikit-image==0.22.0
#镜像下载
pip3 install SimpleITK==2.3.1 nibabel==5.2.1 pydicom==2.4.4 tqdm==4.66.1 requests==2.31.0 psutil==5.9.8 scipy==1.11.4 scikit-image==0.22.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 从源码安装nnU-Net V2（解决Python 3.11兼容性）
cd nnUNet
git clone https://github.com/MIC-DKFZ/nnUNet.git
cd nnUNet
pip install -e .

# 验证安装（关键：输出版本则成功）
nnUNetv2 --version
----------------------
如果不能运行
# 激活环境
conda activate nnunet311_env
# 进入nnUNet源码目录
cd D:\nnUNet\nnUNet
# 强制重新安装（管理员权限）
pip install -e . --force-reinstall       #强制重装

pip下载慢，修改下载镜像地址，快得飞起：

复制代码

永久设置（推荐，全局生效）
Windows 系统（你的环境）
打开文件资源管理器，在地址栏输入 %APPDATA% 并回车，进入系统的应用数据目录；
在该目录下新建一个名为 pip 的文件夹；
进入 pip 文件夹，新建一个名为 pip.ini 的文本文件；
用记事本打开 pip.ini，粘贴以下内容（以清华源为例，可替换为其他源）：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn
disable-pip-version-check = true
timeout = 6000

git拉取失败：

首先尝试增大 Git 的 HTTP 缓存和超时设置，解决数据传输中断问题：

复制代码

# 设置 HTTP 缓存大小为 500MB
git config --global http.postBuffer 524288000

# 设置连接超时时间为 300 秒
git config --global http.lowSpeedLimit 0
git config --global http.lowSpeedTime 300

#再拉取：
git clone https://github.com/MIC-DKFZ/nnUNet.git

如果还是直接访问 GitHub 速度过慢，可改用国内镜像源：

复制代码

# 使用 fastgit 镜像（推荐）
git clone https://hub.fastgit.xyz/MIC-DKFZ/nnUNet.git

# 或使用 gitee 镜像（备用）
git clone https://gitee.com/mirrors/nnUNet.git

若git clone失败，手动下载源码包：nnUNet 源码，解压到D:\nnUNet，进入该文件夹执行：
pip install -e .

使用源码安装python应用。

配置 nnU-Net 环境变量（conda 环境内）

复制代码

# 永久设置环境变量（仅对当前conda环境生效）
conda env config vars set nnUNet_raw_data_base=D:\nnUNet_raw
conda env config vars set nnUNet_preprocessed=D:\nnUNet_preprocessed
conda env config vars set nnUNet_results=D:\nnUNet_results

# 重启环境使变量生效
conda deactivate
conda activate nnunet311_env

# 创建文件夹
mkdir D:\nnUNet_raw D:\nnUNet_preprocessed D:\nnUNet_results

conda+Python 3.11：权重下载（两种方式）

方式 1：命令行一键下载（推荐）

复制代码

# 激活conda环境
conda activate nnunet311_env

# 下载Task022肺动静脉权重（Python 3.11兼容）
nnUNetv2_download_pretrained_model Task022_PulmonaryVessels

# 验证权重（查看文件夹）
dir D:\nnUNet_results\nnUNet\3d_fullres\Task022_PulmonaryVessels\

方式 2：手动下载（命令失败时备用）

权重地址：Task022_PulmonaryVessels.zip
解压到：D:\nnUNet_results\nnUNet\3d_fullres\Task022_PulmonaryVessels\（无文件夹则逐层新建）。

到这里无法继续了，权重文件无法下载。

conda+Python 3.11：DICOM 转 NIfTI + 分割推理

步骤 1：DICOM 转 NIfTI 脚本（适配 Python 3.11）

新建dicom2nnunet_conda311.py，复制以下代码：

复制代码

import os
import sys
import SimpleITK as sitk
import nibabel as nib
import numpy as np

# Python 3.11编码/类型适配
os.environ["PYTHONIOENCODING"] = "utf-8"
sys.stdout.reconfigure(encoding='utf-8')

def dicom2nifti(dicom_dir, output_dir):
    """conda+Python 3.11专用：DICOM转nnU-Net格式"""
    # 校验输入
    if not os.path.isdir(dicom_dir):
        print(f"❌ 错误：DICOM目录不存在 → {dicom_dir}", file=sys.stderr)
        sys.exit(1)
    
    # 创建输出目录
    os.makedirs(output_dir, exist_ok=True)
    
    # 读取DICOM序列
    reader = sitk.ImageSeriesReader()
    try:
        dicom_files = reader.GetGDCMSeriesFileNames(dicom_dir)
        if not dicom_files:
            raise Exception("DICOM序列不完整（仅单张切片？）")
        reader.SetFileNames(dicom_files)
        img = reader.Execute()
    except Exception as e:
        print(f"❌ DICOM读取失败：{str(e)}", file=sys.stderr)
        sys.exit(1)
    
    # 转换为numpy数组（Python 3.11类型适配）
    img_np = sitk.GetArrayFromImage(img).astype(np.float32)
    img_np = np.transpose(img_np, (0, 1, 2))  # nnU-Net要求(z,y,x)
    
    # 生成affine矩阵（修复Python 3.11 numpy报错）
    affine = np.eye(4, dtype=np.float32)
    spacing = img.GetSpacing()
    affine[0, 0] = spacing[2]
    affine[1, 1] = spacing[1]
    affine[2, 2] = spacing[0]
    
    # 保存为nnU-Net输入格式
    output_path = os.path.join(output_dir, "case001_0000.nii.gz")
    nii_img = nib.Nifti1Image(img_np, affine)
    nib.save(nii_img, output_path)
    print(f"✅ 转换完成 → {output_path}")
    return output_path

if __name__ == "__main__":
    # ########## 修改为你的路径 ##########
    DICOM_DIR = r"D:\input_dicom\case001"  # 你的DICOM文件夹
    OUTPUT_DIR = r"D:\nnUNet_input"        # NIfTI输出目录
    # ###################################
    dicom2nifti(DICOM_DIR, OUTPUT_DIR)

步骤 2：运行转换脚本（conda 环境）

复制代码

# 激活环境
conda activate nnunet311_env

# 进入脚本目录
cd D:\你的脚本目录

# 执行转换
python dicom2nifti_conda311.py

步骤 3：执行分割推理（conda+Python 3.11 核心命令）

复制代码

# 激活环境
conda activate nnunet311_env

# 进入nnU-Net源码目录
cd D:\nnUNet

# 执行分割（Python 3.11适配）
nnUNetv2_predict -i D:\nnUNet_input -o D:\nnUNet_output -d 022 -c 3d_fullres -f 0

输出结果：D:\nnUNet_output\case001.nii.gz，其中：

像素值1 = 肺动脉
像素值2 = 肺静脉