MedMNIST命令行工具完全指南：下载、管理与评估数据集的终极方法

【免费下载链接】MedMNIST [pip install medmnist] 18 MNIST-like Datasets for 2D and 3D Biomedical Image Classification 项目地址: https://gitcode.com/gh_mirrors/me/MedMNIST

MedMNIST是一个专为生物医学图像分类设计的开源项目，提供18种MNIST风格的2D和3D数据集。通过简单的命令行工具，用户可以轻松下载、管理和评估这些数据集，为生物医学图像分析和机器学习研究提供强大支持。

快速安装MedMNIST工具

要开始使用MedMNIST命令行工具，首先需要通过pip安装medmnist包：

pip install medmnist

安装完成后，你就可以直接通过命令行调用各种功能，无需复杂的配置过程。

探索MedMNIST数据集集合

MedMNIST提供了丰富的生物医学图像数据集，涵盖从皮肤疾病到器官断层扫描等多种医学影像类型。

图1：MedMNIST v2版本包含的多种生物医学图像数据集示例，每个数据集都提供了原始图像和缩略图预览

要查看所有可用的数据集，可以使用以下命令：

python -m medmnist available

这个命令会列出所有数据集的名称、对应的Python类以及支持的图像尺寸（28、64、128或224像素）。

下载数据集的简单方法

MedMNIST命令行工具提供了灵活的数据集下载功能，可以根据需要选择不同的尺寸和数据集。

基本下载命令

下载默认尺寸（28x28像素）的所有数据集：

python -m medmnist download

下载特定尺寸的数据集

如果需要更高分辨率的图像（如64x64像素），可以指定尺寸参数：

python -m medmnist download --size 64

支持的尺寸包括28、64、128和224像素，具体取决于每个数据集的可用性。

下载所有尺寸的数据集

要下载所有可用尺寸的数据集，可以使用：

python -m medmnist download --size all

数据集信息查询

要获取特定数据集的详细信息，使用info命令并指定数据集名称：

python -m medmnist info chestmnist

这将以JSON格式显示数据集的详细信息，包括样本数量、类别数、图像尺寸等。

数据集管理与清理

保存数据集为图像文件

MedMNIST允许将数据集保存为标准图像文件（如PNG或JPG），方便与其他工具集成：

python -m medmnist save --flag chestmnist --folder ./chestmnist_images --postfix png

这个命令会将chestmnist数据集的训练、验证和测试集保存到指定文件夹中。

清理下载的数据集文件

如果需要释放存储空间，可以清理已下载的数据集文件：

python -m medmnist clean

这个命令会删除所有保存在默认根目录下的NPZ格式数据集文件。

数据集评估功能

MedMNIST提供了内置的评估工具，可以方便地评估模型性能。

图2：MedMNIST v1版本数据集示例，展示了不同医学领域的图像数据

评估模型预测结果

要评估模型的预测结果，只需提供包含预测结果的CSV文件路径：

python -m medmnist evaluate ./results/chestmnist_test_results.csv

评估工具会计算AUC、准确率等关键指标，并生成详细的评估报告。

评估文件格式要求

评估文件需要遵循特定的命名约定和格式：

• 文件名格式：{flag}{size_flag}_{split}_[AUC]{auc:.3f}_[ACC]{acc:.3f}@{run}.csv
• 文件内容：每行包含数据集索引和预测概率，如0,0.125,0.275,0.5,0.2

高级功能：测试与开发

对于开发者，MedMNIST提供了测试功能，可以验证数据集的完整性和功能正确性：

python -m medmnist test --save_folder ./test_results

这个命令会执行一系列测试，包括数据集下载、信息查询、保存和评估等功能，并将结果保存到指定文件夹。

总结

MedMNIST命令行工具为生物医学图像数据集的获取和管理提供了便捷的解决方案。通过简单的命令，用户可以轻松下载、查询和评估各种医学图像数据集，为机器学习研究和应用开发节省宝贵时间。无论是新手还是专业研究人员，都能快速上手并充分利用这个强大的工具。

如果你想深入了解MedMNIST的更多功能，可以参考项目中的示例代码，如examples/getting_started.ipynb和examples/getting_started_without_PyTorch.ipynb，这些资源将帮助你更好地利用MedMNIST进行生物医学图像分析。

【免费下载链接】MedMNIST [pip install medmnist] 18 MNIST-like Datasets for 2D and 3D Biomedical Image Classification 项目地址: https://gitcode.com/gh_mirrors/me/MedMNIST