vm-pipeline-lite

一个用于开源推理/预处理的一键管道（不包含训练代码）：

• DICOM → NIfTI（可选）
• nnUNetv2 推理（2D/3D，可选）+ ensemble（可选）
• 生成推理所需 CSV
• 调用 project-lighter/lighter 推理（VM / Prognosis，可选）
• 无标签病例级汇总分析（多数表决 + 置信度统计）

说明：本仓库只负责“流程编排 + 数据准备 + 结果汇总”。 本仓库内置 fmcib 源码（非 pip 安装），用于与 project-lighter 的配置对接；权重文件不随仓库分发。

1. 安装（主环境）

推荐 conda：

conda env create -f environment.yml
conda activate vm-pipeline-lite

# 让本仓库里的 vm_pipeline + fmcib 可被 import（建议）
pip install -e .

1.1 推理“全量环境”（推荐给复现用户）

如果你希望一次性装齐 DICOM/CSV/预测/分析 的所有依赖（不含 nnUNet），用下面两个文件之一：

• CPU：

conda env create -f environment-inference-cpu.yml
conda activate vm-pipeline-infer
pip install -e .

• GPU（CUDA 12.1 示例）：

conda env create -f environment-inference-cu121.yml
conda activate vm-pipeline-infer
pip install -e .

如果你的 CUDA 版本不是 12.1，请在 environment-inference-cu121.yml 中把 pytorch-cuda=12.1 改成你的版本。

如果你只想跑 CSV/分析（不做 DICOM 转换与 nnUNet），也可以用：

pip install -r requirements.txt

# 同样建议可编辑安装，确保 import 路径稳定
pip install -e .

1.1 预测阶段额外依赖（可选）

VM/Prognosis 预测需要 project-lighter 以及深度学习依赖（torch/monai/lightning）。

pip install -r requirements-predict.txt

torch 请按你的 CUDA/驱动版本自行安装匹配版本（避免冲突）。

2. nnUNet（可选，独立环境）

nnUNet 通常单独环境，参考 environment-nnunet.yml 自行调整（Torch/CUDA 需匹配）。

3. 快速开始（不跑 nnUNet）

假设你已有：

• 图像 NIfTI：data/nii_images/*.nii.gz（例如 CASE123_0000.nii.gz）
• 分割 mask NIfTI：data/nii_masks/*.nii.gz（例如 CASE123.nii.gz）

运行：

python -m vm_pipeline.pipeline_full \
  --nii_dir ./data/nii_images \
  --ensemble_dir ./data/nii_masks \
  --csv_path ./outputs/dataset.csv \
  --run_csv \
  --run_analysis

4. 跑预测（可选）

你需要：

• 安装 project-lighter（提供 lighter.utils.cli.interface）
• 安装/提供你的模型代码（例如 fmcib）与权重文件
• 修改/提供配置：configs/get_predictions_VM.yaml、configs/get_predictions_Prognosis.yaml

运行：

python -m vm_pipeline.pipeline_full \
  --csv_path ./outputs/dataset.csv \
  --vm_yaml ./configs/get_predictions_VM.yaml \
  --prognosis_yaml ./configs/get_predictions_Prognosis.yaml \
  --vm_pred_csv ./outputs/preds_vm.csv \
  --prognosis_pred_csv ./outputs/preds_prognosis.csv \
  --run_vm_pred --run_prognosis_pred --run_analysis

5. 开源注意事项（务必做）

• 不要提交任何真实患者数据与推理结果（DICOM/NIfTI/CSV/logs）。
• 不要在代码/配置里硬编码你本机的绝对路径（本仓库已默认使用相对路径）。
• 权重文件建议通过 HF/Zenodo 等提供下载链接，并在 README 写清楚放置位置。