Imaging Biomarkers and Computer-Aided Diagnosis Laboratory —?LymphNodeRFCNNPipeline
步驟來源：github
配置細節(jié)撰寫人：Zongwei Zhou
我使用的是Windows 7，64位系統(tǒng)，如果碰巧一樣的話就直接按照提供的地址下載安裝即可，可以巧妙地避開很多坑。
Introduction
Developed by ?Kevin Cherry and Holger Roth
Please cite our papers if you end up using this code:
[1] HR Roth, L Lu, J Liu, J Yao, A Seff, C Kevin, L Kim, RM Summers: Improving Computer-aided Detection using Convolutional Neural Networks and Random View Aggregation.?Medical Imaging, IEEE Transactions on. Year: 2015, Volume: PP, Issue: 99, Pages: 1 - 1, DOI: 10.1109/TMI.2015.2482920
[2] KM Cherry ; S Wang ; EB Turkbey ; RM Summers: Abdominal lymphadenopathy detection using random forest.?Proc. SPIE 9035, Medical Imaging 2014: Computer-Aided Diagnosis, 90351G, doi:10.1117/12.2043837
Code includes open-source packages:
1. http://cs.nyu.edu/~wanli/dropc/?based on?https://code.google.com/p/cuda-convnet/
2.?https://code.google.com/p/randomforest-matlab/
3.?NiftyReg http://sourceforge.net/projects/niftyreg
Requirements
1. Matlab
我使用的版本是MATLAB 2013a，下載地址，下載下來安裝包，按照Matlab R2013a 安裝過程詳解.pdf一步步安裝即可。
2. CUDA-compatible graphics card
使用CUDA對GPU進行編程，我們需要準備以下必備工具：
硬件平臺，就是顯卡，如果你用的不是NVIDIA的顯卡，那么只能說抱歉，其他都不支持CUDA。
這個NVIDIA的要求比較坑，我原來的筆記本也算算是高配，但檢查了一下顯卡，只有intel，并沒有NVIDIA的，頓時感到無力，后來換了一臺電腦，選擇時首要的指標就是：“有沒有NVIDIA的顯卡”，一般來說高配的電腦都有，但大家一定要先確認一下。
Windows7：右鍵桌面‘計算機’->選擇設備管理器->查看顯示適配器，看看有沒有NVIDIA系列的顯卡，不管什么型號的，NVIDIA系列的就ok
原來其實導師還想了一個方案，就是我的筆記本桌面遠程，用他的電腦，但是我網(wǎng)上看了一下，感覺不靠譜，原因是：
你使用遠程桌面連接登錄到另一臺服務器，該服務器上有顯卡支持CUDA，但你遠程終端不能運行CUDA程序。這是因為遠程登錄使用的是你本地顯卡資源，在遠程登錄時看不到服務器端的顯卡，所以會報錯：“沒有支持CUDA的顯卡！”
解決方法：1.遠程服務器裝兩塊顯卡，一塊只用于顯示，另一塊用于計算；2.不要用圖形界面登錄，而是用命令行界面如telnet登錄。
3. Install CUDA 4.2 64-bit (https://developer.nvidia.com/cuda-toolkit-42-archive)
CUDA(Compute Unified Device Architecture)，是顯卡廠商NVIDIA推出的運算平臺。 CUDA?是一種由NVIDIA推出的通用并行計算架構，該架構使GPU能夠解決復雜的計算問題。
按照自己電腦的情況依次下載安裝Download Toolkit, Drivers, SDK，我用的版本就是這個Toolkit, Drivers, SDK，大家可以直接下載。在安裝前首先確認你的顯卡用的是NVIDIA了，而且更新了驅動。
雙顯卡的筆記本一定要注意顯卡安裝順序，首先要安裝集成顯卡（Internet）更新后重啟，否則無法安裝獨立顯卡或容易報錯，如上圖。安裝NVIDIA Graphics Driver時也可能會遇到這個錯誤，完美解決NVIDIA最新顯卡驅動無法找到兼容的圖形硬件，百度上有各種解決方法，有的好用有的沒用，我用的是這個解決方案，親測有效。
4. Python 2.7 64-bit with Numpy and Matplotlib!
Recommended to use Anaconda python distribution:?http://continuum.io/downloads
Make sure it's added to path (and remove any conflicting python versions from path)
安裝完python最好再安裝一個pip，pip相當于蘋果的app store，可以用它下載很多python需要的包，比如matplotlib就可以。python和pip的安裝詳細步驟可以參考這個教程，基本就沒什么別的問題了。需要注意的是numpy和scipy這兩個包用pip安裝會出來各種問題，建議直接網(wǎng)上下載exe，雙擊安裝。下載地址：Numpy，Scipy。這兒要說明一下，雖然我的系統(tǒng)是64位的，但我還是安裝了32位的python和其附屬包，因為我在做深度學習的實驗的時候發(fā)現(xiàn)部分包64位不支持的。
另外，它有推薦Anaconda python distribution，我就安裝了。
這兒再提一嘴，安裝完python，你運行程序，想看看到底python怎么樣的時候，可能會遇到上面的問題，解決方法是去Visual Studio安裝的目錄下查找cl.exe文件，把文件目錄添加到系統(tǒng)路徑里面。
我用的是Visual Studio 2012，這個是下載地址，當然Visual Studio各個版本的地址也有，大家可以自行挑選，不建議安裝高版本的，原因是在后續(xù)的配置中，往往會不支持高版本。
5. Optional: MITK for viewing result (http://www.mitk.org/Download)
Run example (Windows 7, 64-bit):
1. Download example data from https://drive.google.com/file/d/0Byig_cLsHdU0VkdGTXQ1N195ZWc/view?usp=sharing and extract to .\data
數(shù)據(jù)挺大的，當時我在國外下載的，不能翻墻的話可以在這兒下載。
2. Open Matlab
3. CD to where 'run_LymphNodeRFCNNPipeline.m' is located and run it (it will automatically add necessary sub-folders to Matlab path)
劃線的那句不要信，把該添加路徑的都添加了，穩(wěn)妥，不然各種找不到函數(shù)的問題煩死你。
4. Select ".\data\CTimage" as input folder
5. Select a suitable output folder
具體怎么修改呢，因為報錯的句子是optRF.randForestFilename地址找不到，只要Ctrl+F搜索randForestFilename，找到它的定義，應該是這句optRF.randForestFilename = [pwd,filesep,'trained_Forests\RF_regression.mat'];這兒有一個pwd，意思是當前路徑，默認的是你MATLAB安裝的路徑，所以當然不對。你去CADLab-master文件夾下搜索RF_regression.mat，找到了它的路徑，把與pwd無關的刪掉，就是pwd了，可以參見我的修改代碼。
把上面的代碼改完，這個MATLAB程序就可以開始運行一會兒了，大概一分鐘，然后繼續(xù)報錯：
按照上述方法做，估計還是會報出很多錯誤...因為要開始讀代碼了，但是不要怕，我也卡這兒了，先繼續(xù)把下面幾個步驟完成再來細讀代碼。
Compile yourself (should work on platforms other than Windows 7, 64-bit and Visual Studio 10, but links have to be updated):
Requirements
1. ITK v4.5.0 (others are untested)?http://sourceforge.net/projects/itk/files/itk/4.5/InsightToolkit-4.5.0.zip/download
ITK的作用相當于一個函數(shù)庫，是C++寫的，在后續(xù)的調用時都是要用到的。我用的不是v4.5.0版本 的。需要注意的是，ITK的版本需要與CMake的版本對應起來，具體怎么對應需要去官網(wǎng)查，我用的對應版本是ITK和CMake。驗證可行，建議用我的下載地址。
先把ITK和Cmake對應的下載下來，然后開始編譯ITK。
因為ITK是C++的工程，編譯C++工程不同的系統(tǒng)都是不同的，Mac、Linux、Windows，而且不同版本的編譯器Visual Studio、Codeblocks也是不同的，對于這個跨平臺的編譯，需要一個翻譯，把C++工程翻譯成不同的可執(zhí)行的工程，這個“翻譯”就是CMake。進一步的CMake的使用可以參考這兒，主要講的是ITK借助CMake在VS2010下的使用。CMake的作用解釋明白了，那我們就可以翻譯。
打開下載完成的CMake，打開bin文件夾里面的cmake-gui.exe，跳出這個界面，就是CMake的界面啦。
在Where is the source code:中填入下載完的ITK中CMakeLists.txt文件的路徑，這個CMakeLists.txt文件就是CMake的可執(zhí)行文件了，以后看到這種CMakeLists字樣腦子里面就應該反應過來，“哦，這兒需要CMake翻譯一下了”。在Where to build the binaries:中填入你想把翻譯完的工程放哪兒，我是新建了一個ITK_build文件夾。然后把Advanced的勾上
按Configure，選擇編譯器，我的是Visual Studio 2012，然后正常就開始運行啦，時間大概在5-10分鐘。這一步版本弄對了會很爽，一路DONE，DONE，DONE，要是有個什么不對了，各種報錯。
Configure完成后，按Generate，這個很快的，看到done了，恭喜你，翻譯成功。打開翻譯后的工程文件，用Visual Studio打開ITK.sln文件，看一下解決方案，導入了多少個項目，我這兒遇到一個問題，導入的項目只有217個，而和我一起裝的同學，用的全是同一版本的ITK、CMake、Visual Studio，導入了600多個項目，我不知道是怎么回事，先放在一遍，反正暫時沒有報錯，還算順利。
按生成->生成解決方案，等待N久，看你的電腦配置，有的持續(xù)一下午，有的一小時就編譯完了。ok，至此，ITK算是安裝完成啦。
2. CUDA 4.2 (others are untested)?https://developer.nvidia.com/cuda-toolkit-42-archive
這一步和上面重復了，確保已經(jīng)安裝完成了就ok
3. BOOST 1.55 (others are untested):?http://sourceforge.net/projects/boost/files/boost-binaries/1.55.0/boost_1_55_0-msvc-10.0-64.exe/download
1. Locate ".\pyconvnet\CMakeLists.txt", run CMake and produce Visual Studio or makefile (untested)
這一步其實就是用CMake來翻譯..\CADLab-master\LymphNodeRFCNNPipeline\pyconvnet路徑下面的CMakeLists.txt，基本的步驟和上面的ITK翻譯差不多，但是還是會遇到一堆問題。
對于這個清一色找不到boost的路徑我也是沒有辦法，我就裝作沒看到，不管它啰。
對于ITK的路徑找不到，我的解決方法是把ITK_DIR-NOTFOUND這行替換成ITK翻譯完的ITK_build文件夾路徑，這個靠譜。
對于這種找不到顯卡的問題，我的解決方法是去設備管理器看看，發(fā)現(xiàn)是這種情況
那么直接把顯卡驅動升級一下就可以了。最后，我CMake完是這么一個提示，有瑕疵，但是至少done了，就可以繼續(xù)接下來的步驟。
2. Compile pyconvnet
用Visual Studio打開翻譯完的文件夾下的pyconvnet.sln，還是生成->生成解決方案，編譯完即可。
3. compiling PACKAGE should include all binaries in a zip file, which can be installed in Matlab using 'install_LymphNodeRFCNNPipeline.m', called by 'run_LymphNodeRFCNNPipeline.m')
4. NiftyReg http://sourceforge.net/projects/niftyreg/files/nifty_reg-1.3.9/, Pre-build version with VS2010 is provided. Otherwise rebuild the code in 'niftyreg-git_prebuild_vs10_x64r' and modify m-scripts accordingly.?
This NiftyReg version from git:
$ git log
commit 390df2baaf809a625ed5afe0dbc81ca6a3f7c647
Author: Marc Modat
Date:? Fri Nov 14 13:06:52 2014 +0000
Modified the bending energy computation so that it does not over-regularise
