Pytorch Medical Segmentation

تجزئة Pytorch الطبية

اقرأ المقدمة الصينية ： هنا！

ملحوظات

نحن نخطط لتحديث كبير للرمز في المستقبل القريب ، لذلك إذا كان لديك أي اقتراحات ، فلا تتردد في مراسلتي عبر البريد الإلكتروني أو ذكرها في هذه المشكلة.

التحديثات الأخيرة

• 2021.1.8 يتم إصدار رموز القطار والاختبار.
• 2021.2.6 تم إصلاح خطأ في الزهر بمساعدة شانشان لي.
• 2021.2.24 تم إصدار برنامج تعليمي فيديو (https://www.bilibili.com/video/bv1gp4y1h7kq/).
• 2021.5.16 تم إصلاح الخلل في تطبيق UNET3D.
• 2021.5.16 يتم إصدار الرمز المتري.
• 2021.6.24 يمكن ضبط جميع المعلمات في hparam.py.
• 2021.7.7 الآن يمكنك الرجوع إلى التصنيف الطبي في تصنيف Pytorch-Medical
• 2022.5.15 الآن يمكنك الرجوع إلى التعلم شبه الخاضع للإشراف حول التجزئة الطبية في تجميع SSL-For-Medical
• 2022.5.17 نقوم بتحديث رمز التدريب والاستدلال ونصلح بعض الأخطاء.

متطلبات

• Pytorch1.7
• Torchio <= 0.18.20
• بيثون> = 3.6

يلاحظ

• يمكنك تعديل hparam.py لتحديد ما إذا كان التجزئة ثنائية الأبعاد أو ثلاثية الأبعاد وما إذا كان multicicization ممكنًا.
• نحن نقدم خوارزميات لجميع ثنائية وثلاثية الأبعاد تقريبًا.
• يتوافق هذا المستودع مع جميع تنسيقات البيانات الطبية تقريبًا (على سبيل المثال nii.gz ، nii ، mhd ، nrrd ، ...) ، عن طريق تعديل fold_arch في hparam.py من التكوين. أود منك تحويل كل من المصدر وتسمية الصور إلى نفس النوع قبل استخدامها ، حيث يتم تمييز الملصقات بـ 1 ، وليس 255.
• إذا كنت ترغب في استخدام برنامج متعدد الفئات ، فيرجى تعديل الرموز المقابلة بنفسك. لا يمكنني تحديد فئاتك المحددة.
• سواء في ثنائي الأبعاد أو ثلاثي الأبعاد ، تتم معالجة هذا المشروع باستخدام التصحيح . لذلك ، لا يجب أن تكون الصور بنفس الحجم الصارم. في 2D ، ومع ذلك ، يجب عليك تعيين التصحيح كبير بما يكفي.

قم بإعداد مجموعة البيانات الخاصة بك

مثال 1

إذا كانت مجموعة بيانات المصدر هي:

 source_dataset
├── source_1.mhd
├── source_1.zraw
├── source_2.mhd
├── source_2.zraw
├── source_3.mhd
├── source_3.zraw
├── source_4.mhd
├── source_4.zraw
└── ...

ومجموعة بيانات التسمية الخاصة بك هي:

 label_dataset
├── label_1.mhd
├── label_1.zraw
├── label_2.mhd
├── label_2.zraw
├── label_3.mhd
├── label_3.zraw
├── label_4.mhd
├── label_4.zraw
└── ...

ثم يجب تعديل fold_arch كـ *.mhd ، source_train_dir as source_dataset و label_train_dir as label_dataset في hparam.py

مثال 2

إذا كانت مجموعة بيانات المصدر هي:

 source_dataset
├── 1
    ├── source_1.mhd
    ├── source_1.zraw
├── 2
    ├── source_2.mhd
    ├── source_2.zraw
├── 3
    ├── source_3.mhd
    ├── source_3.zraw
├── 4
    ├── source_4.mhd
    ├── source_4.zraw
└── ...

ومجموعة بيانات التسمية الخاصة بك هي:

 label_dataset
├── 1
    ├── label_1.mhd
    ├── label_1.zraw
├── 2
    ├── label_2.mhd
    ├── label_2.zraw
├── 3
    ├── label_3.mhd
    ├── label_3.zraw
├── 4
    ├── label_4.mhd
    ├── label_4.zraw
└── ...

ثم يجب تعديل fold_arch كـ */ * .

تمرين

• بدون نموذج ما قبل

 set hparam.train_or_test to 'train'
python main.py

• مع نموذج ما قبل

 set hparam.train_or_test to 'train'
python main.py -k True

الاستدلال

• الاختبار

 set hparam.train_or_test to 'test'
python main.py

أمثلة

دروس

• https://www.bilibili.com/video/bv1gp4y1h7kq/

منتهي

شبكة

• 2D

• unet
• unet ++
• Miniseg
• segnet
• PSPNET
• HighresNet (نسخة من https://github.com/fepegar/highresnet ، شكرًا لك على Fepegar على كرمتك!)
• ديبلب
• FCN

• 3D

• unet3d
• المتبقية-unet3d
• Densevoxelnet3d
• FCN3D
• VNET3D
• Highresnert (نسخة من https://github.com/fepegar/highresnet ، شكرًا لك على Fepegar على كرمتك!)
• Densenet3d
• unit (نسخة من https://github.com/tamasino52/unetr)

متري

• metrics.py لتقييم نتائجك

تودو

• مجموعة البيانات
• معيار
• nnunet

بالمناسبة

هذا المشروع ليس مثاليًا ولا يزال هناك العديد من المشاكل. إذا كنت تستخدم هذا المشروع وترغب في إعطاء المؤلف بعض التعليقات ، فيمكنك إرسال بريد إلكتروني إلي.

شكر وتقدير

هذا المستودع هو تطبيق Pytorch غير موحّد للتجزئة الطبية في ثلاثية الأبعاد و 2D ويستند بشكل كبير إلى MedicalZoopytorch و Torchio. شكرا لك على الريبو أعلاه. يتم المشروع مع الإشراف على البروفيسور روكسيو شياو ، البروفيسور شوانغ سونج والدكتور تشنغ تشن. شكرًا لك على Youming Zhang و Daiheng Gao و Jie Zhang و Xing Tao و Weili Jiang و Shanshan Li على كل المساعدة التي تلقيتها.