TotalSegmentator

环境要求

• Python >= 3.10
• PyTorch >= 2.0.0
• 可选：使用 --preview 需额外安装 fury；FURY<2 还需系统安装 xvfb
• 可选：Docker 运行时需可用的 NVIDIA GPU 与 NVIDIA Container Toolkit

安装与启动步骤

1. 1准备 Python 与 PyTorch

   先确认已安装 Python 3.10 以上版本，并按官方方式安装 PyTorch 2.0.0 以上版本；CPU 与 GPU 环境均可。

2. 2安装 TotalSegmentator

   用 pip 安装官方发布的 Python 包，安装完成即可使用 TotalSegmentator 命令。

   pip install TotalSegmentator

   复制

3. 3分割 CT 影像

   输入 NIfTI 文件，或某位患者全部 DICOM 切片的文件夹/zip 包，输出分割结果目录。

   TotalSegmentator -i ct.nii.gz -o segmentations

   复制

4. 4分割 MR 影像

   MR 影像需要显式指定 --task total_mr，否则默认按 CT 任务处理。

   TotalSegmentator -i mri.nii.gz -o segmentations --task total_mr

   复制

5. 5低配设备加速

   在 CPU 上运行较慢，可加 --fast（低分辨率）或 --roi_subset；M 系列 Mac 可用 --device mps 大幅提速。

   TotalSegmentator -i ct.nii.gz -o segmentations --fast

   复制

6. 6Docker 方式运行

   把数据目录以绝对路径挂载到容器 /tmp，使用 GPU 并扩大共享内存；镜像版本号按需替换。

   docker run --gpus 'device=0' --shm-size=16G -v /absolute/path/to/my/data/directory:/tmp wasserth/totalsegmentator:2.11.0 TotalSegmentator -i /tmp/ct.nii.gz -o /tmp/segmentations

   复制

关键配置

如何确认成功

命令无报错退出，并在 -o 指定的输出目录中生成各解剖结构对应的分割掩膜文件（如 NIfTI 格式）。

常见问题

注意事项

• 本工具不是医疗器械，不适用于临床诊断，仅用于研究用途。
• 使用 --preview 选项需先 pip install fury；若 FURY 版本低于 2，还需 apt-get install xvfb。
• Docker 方式需要 GPU 支持，-v 挂载必须使用绝对路径，镜像标签如 wasserth/totalsegmentator:2.11.0 可按需更换。
• README 提到的在线版 totalsegmentator.com 与 3D Slicer 扩展可作为无需本地部署的替代方案。