Metadata-Version: 2.4
Name: nnUNet_package
Version: 0.2.3
Summary: Package pour l'utilisation de nnUNet avec 3D Slicer
Author-email: Florian Davaux <florian.davaux@cpe.fr>
License: MIT
Project-URL: Homepage, https://github.com/FlorianDAVAUX/nnUNet_package
Requires-Python: >=3.9
Description-Content-Type: text/markdown
Requires-Dist: SimpleITK>=2.2.1
Requires-Dist: numpy==1.26.4
Requires-Dist: blosc2==2.5.1
Requires-Dist: nnunetv2

# LungSegmentation nnUNetv2 Prediction Script

[![Python](https://img.shields.io/badge/Python-3.9%2B-blue)](https://www.python.org/)
[![License](https://img.shields.io/badge/License-MIT-green)](LICENSE)

Un script Python pour exécuter facilement des prédictions de segmentation pulmonaire avec **nnUNetv2** sur des images médicales.  
Téléchargement automatique des modèles, préparation des fichiers pour la prédiction et renommage des résultats inclus.

---

## 🚀 Fonctionnalités

- Téléchargement et extraction automatique des modèles depuis un URL.
- Préparation de `dataset.json` pour la prédiction nnUNet.
- Conversion des images d’entrée en `.nrrd` si nécessaire.
- Exécution de la prédiction avec affichage des logs.
- Nettoyage automatique des fichiers temporaires.
- Renommage automatique du fichier de prédiction final.

---

## 📦 Prérequis

Avant de lancer le script, assurez-vous d’avoir installé et configuré les éléments suivants :


```bash
git clone https://github.com/FlorianDAVAUX/nnUNet_package.git
cd nnUNet_package
pip install -e .
```


---


## ⚙️ Utilisation rapide

| Option         | Description | Exemple |
|----------------|-------------|---------|
| `--mode`       | Mode de prédiction (`Invivo` ou `Exvivo`) | `--mode Invivo` |
| `--structure`  | Structure à segmenter (`Parenchyma`, `Airways`, `Vascular`, `ParenchymaAirways`, `All`, `Lobes`) | `--structure Parenchyma` |
| `--input`      | Chemin vers l’image d’entrée (.nii, .nii.gz, .mha, .nrrd) | `--input ~/data/scan_patient.nrrd` |
| `--output`     | Dossier de sortie pour la prédiction (par défaut `prediction`) | `--output ~/predictions` |
| `--models_dir` | Chemin pour stocker ou chercher les modèles | `--models_dir ~/models` |
| `--name`       | Nom final du fichier de prédiction (sans extension) | `--name segmentation_parenchyme` |

---


### Exemple complet

```bash
nnunet_predict \
    --mode Invivo \
    --structure Parenchyma \
    --input ~/data/scan_patient.nrrd \
    --output ~/predictions \
    --models_dir ~/models \
    --name segmentation_parenchyme
