数据预处理步骤
根据nnUNet框架，三维医学图像分割的通用预处理可以分为四步，分别是数据格式的转换，裁剪crop，重采样resample以及标准化normalization。
1.数据格式的转化
常见的医学图像格式有DICOM（后缀名为.dcm），MHD（后缀名为.mhd和.raw）以及NIFTY（后缀名为.nii或.nii.gz）。
这几种格式都不太方便直接进行操作，一般都使用对应的Python库将数据进行读取后，转换成numpy数组后再进行后续处理。
nnUNet中给出了一种建议的目标数据格式，将每一个病例的数据，都存成一个四维numpy数组（npz）以及与之对应的pickle文件（pkl）。
numpy的文件存储.npy .npz 文件详解
四维数组array(C、X、Y、Z)中，C维度的最后一个array[-1,:,:,:]存储的是分割标注结果。
而C维度的前面存储不同模态的数据，如MRI数据中有FLAIR, T1w, t1gd, T2w等四种模态，
array[0,:,:,:]表示FLAIR序列成像的强度数据，array[1,:,:,:]表示T1加权的强度数据，以此类推。
如果仅单模态，则四维数组第一维度长度仅为2，分别表示影像数据以及标注数据。
四维数组array的后三个维度代表x,y,z三个坐标表示的三维数据，对于原始影像数据，值大小代表强度，
而对于标注结果，后三个维度的三维数据值分别为0，1，2......表示不同的标注类别。