.nii数据的预处理，参考F2Net
转换后的.npy文件数量与原始.nii文件数量的关系如下：
数量关系说明
输入.nii文件：每个病例包含5个.nii文件
- FLAIR模态 (flair.nii)
- T1模态 (t1.nii)
- T1CE模态 (t1ce.nii)
- T2模态 (t2.nii)
- 分割掩码 (seg.nii)
输出.npy文件：每个.nii文件中包含多个切片(通常约155个轴向切片)，但代码只处理包含肿瘤区域的切片
转换关系公式：
1
.npy文件总数 = 2 × 所有病例中包含肿瘤的切片总数
具体说明：
- 每个包含肿瘤的切片会生成2个.npy文件：
- 一个在trainImage文件夹(四模态图像数据)
- 一个在trainGt文件夹(对应分割掩码)
- 不包含肿瘤的切片会被跳过，不会生成.npy文件
- 每个包含肿瘤的切片会生成2个.npy文件：
举例说明
假设您有100个病例，每个病例的MRI体积包含155个切片，而每个病例平均有40个切片包含肿瘤区域：
- 原始.nii文件总数 = 100个病例 × 5个模态文件 = 500个文件
- 包含肿瘤的切片总数 = 100个病例 × 40个包含肿瘤的切片 = 4,000个切片
- 生成的.npy文件总数 = 4,000个切片 × 2个文件/切片 = 8,000个文件
- trainImage文件夹: 4,000个文件
- trainGt文件夹: 4,000个文件
因此，转换后的.npy文件数量通常会远多于原始.nii文件的数量，但具体倍数取决于每个病例中包含肿瘤的切片数量。这种转换将3D体积数据转换为适合2D CNN训练的单独切片，只保留了对训练有价值的含肿瘤区域的切片。
