Files

T

iomgaa 150eb5f6ae feat(ceus,segment): 任务书 02 第二阶段——分割和后半段算法

- ceus 迁入 polygons、dark_region、reference_region、tic_fitting、tic、anchor_frames、
  perfusion_metrics、trajectory、tic_curves、tic_plot、overlay，旧测试照搬（改 import 与配置读取）。
- 对外两段接口：prepare_segmentation（第 1–2 步）与 quantify_case（第 4–9 步）。
- 第 3 条：删掉 D1 取医生标注时刻的模式，D1 只从拟合曲线算。
- 第 4 条：F1/F2 取视频第 20−X、60−X 秒（X 为视频第 0 秒时已推注的秒数），落在视频外记未定位。
- 绿框融合权重、紫圈颜色阈值照搬；关键帧容差窗口的出处写进 ceus.yaml 注释。
- segment：同一进程调用 MedSAM2，设置写进 ceus.yaml 的 segment 段，全部必填；gpu 测试真跑通过。
- 依赖加 scipy、matplotlib、medsam2（可编辑安装，不编译 CUDA 扩展）；uv 只解析 linux x86_64。
- 导入契约：只有 segment 引用 torch、sam2；segment 不引用其他 cadx 模块。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

2026-10-16 05:07:02 -04:00

4.4 KiB

Raw Permalink Blame History

开发环境

读者：第一次在本机搭环境的人。

一、前提

uv（Python 包和环境管理工具），本机 ~/.local/bin/uv。
Python 3.12：uv 会按 .python-version 自动准备，不需要另装。

二、同步环境

make sync          # 按 uv.lock 建 .venv 并安装依赖
uv run pre-commit install   # 每次提交前跑 gitleaks、本地材料拦截和格式检查

三、日常命令

命令	做什么
`make fmt`	ruff 自动修正并格式化
`make test`	不花钱、不需要显卡的测试
`make check`	lint、格式、类型（pyright strict）、导入边界（import-linter）、测试，依次执行，失败即停

需要显卡的测试用 uv run pytest -m gpu，花钱的真实模型测试用 uv run pytest -m live，都不在 make check 里。

四、数据和本地材料

以下目录不进 git，新机器上要自己准备：

目录	从哪来
`data/`	远程 `wangwenhan@202.38.247.58:CADx-4-CAD/data/` 下的 `交付包_20260908_40例`、`1.2-TEST`，用 rsync 同步
`reference/CADx-4-CAD/`	旧项目：先 rsync 工作区（排除 `data/`），再 `git fetch` 远程 `CADx-4` 仓库的全部分支恢复历史
`reference/MedSAM2/`	MedSAM2 代码（连同 `.git`），见下一节
`models/`	MedSAM2 权重 `MedSAM2_latest.pt`，见下一节

远程服务器走 202.38.247.58，不走 Tailscale 地址 100.83.164.94：同一台机器，后者慢几百倍。

五、MedSAM2（CEUS 分割用）

MedSAM2 是医学图像分割模型（GitHub bowang-lab/MedSAM2），CEUS 定量的第 3 步用它把几帧的病灶提示传播到整段视频。它以可编辑方式装进项目环境，代码放在 reference/MedSAM2/，src/cadx/segment 在同一进程里 import sam2 调用。位置写在 config/ceus.yaml 的 segment 段。

1. 拷代码和权重（两种情况都要做；代码和权重都不进 git）：

# 代码：连同 .git 一起拷（提交号从这个 .git 读），不要 checkpoints/ 和 data/，约 25MB
rsync -a --exclude checkpoints/ --exclude data/ \
    wangwenhan@202.38.247.58:/home/wangwenhan/MedSAM2/ reference/MedSAM2/
# 权重：只要这一个文件，约 156MB
mkdir -p models
rsync -a wangwenhan@202.38.247.58:/home/wangwenhan/MedSAM2/checkpoints/MedSAM2_latest.pt models/

远程的代码是 bowang-lab/MedSAM2 的 332f30d 提交，只改了 download.sh，不影响代码。

2. 装进环境，分两种情况：

仓库里已有 uv.lock 且已含 medsam2（pyproject.toml 的依赖里有 medsam2，平常就是这种）：拷完代码后 make sync（即 uv sync）就会按锁文件装上 torch 和 MedSAM2。
第一次把 MedSAM2 加进项目（pyproject.toml 里还没有 medsam2）：
```
SAM2_BUILD_CUDA=0 uv add --editable reference/MedSAM2
```
SAM2_BUILD_CUDA=0 表示不编译 MedSAM2 的 CUDA 扩展（旧项目也没用它）。命令会改 pyproject.toml 和 uv.lock。

uv sync 时同样要设 SAM2_BUILD_CUDA=0（SAM2_BUILD_CUDA=0 uv sync），否则重新构建 medsam2 时会尝试编译 CUDA 扩展。

代理太慢时：torch 的轮子有几个 GB，走代理可能很慢。可以临时绕开代理直连国内镜像：

env -u http_proxy -u https_proxy -u HTTP_PROXY -u HTTPS_PROXY \
    UV_DEFAULT_INDEX=https://mirrors.aliyun.com/pypi/simple/ \
    SAM2_BUILD_CUDA=0 uv sync      # 第一次加进项目时把 uv sync 换成 uv add --editable reference/MedSAM2

镜像地址只在这一条命令里临时用，不写进 pyproject.toml；uv add 会把镜像地址写进 uv.lock 里各个包的来源，装完要把这些地址换回 https://pypi.org/simple（以及对应的 files.pythonhosted.org 下载地址），再跑一次 uv lock --check 确认锁文件和 pyproject.toml 一致。

3. 确认 torch 看得到显卡：

uv run python -c "import torch; print(torch.__version__, torch.cuda.is_available(), torch.cuda.get_device_name(0))"

应打印 torch 版本、True 和显卡名。最后跑 uv run pytest -m gpu -v：在一段合成小视频上真跑一次 MedSAM2。运行时会出现几条警告（注意力内核回退；sam2/_C.so 里的连通域后处理报 inputs must be a CUDA tensor 后被跳过），MedSAM2 自己说明这不影响主要结果，测试仍应 passed。

4.4 KiB Raw Permalink Blame History Unescape Escape