nitrain
v0.3.1
Nitrain ( TorchSample سابقًا) هي مكتبة بيثون غير المنحدرة الإطارية لأخذ عينات من الصور الطبية وزيادةها ، ونماذج التدريب على مجموعات بيانات التصوير الطبي ، وتصور النتائج في سياق التصوير الطبي.
تعد مكتبة النيترين فريدة من نوعها من حيث أنها تجعل نماذج التدريب بسيطة قدر الإمكان من خلال توفير الافتراضات المعقولة ومجموعة عالية من التجريد. كما يدعم أطر عمل متعددة - Torch و TensorFlow و Keras - بهدف إضافة المزيد.
يمكن العثور على أمثلة كاملة لتدريب نماذج التصوير الطبي AI باستخدام النيترات في صفحة الدروس التعليمية. إذا كنت مهتمًا بشكل عام في التصوير الطبي AI ، تحقق من تقنيات التصوير الطبي العملي مع Python (المتوقع في أوائل عام 2025).
فيما يلي مثال على استخدام النيترين إلى نموذج تجزئة دلالي يوضح الكثير من الوظائف الأساسية.
import nitrain as nt
from nitrain . readers import ImageReader , ColumnReader
# create dataset from folder of images + participants file
dataset = nt . Dataset ( inputs = ImageReader ( 'sub-*/anat/*_T1w.nii.gz' ),
outputs = ImageReader ( 'sub-*/anat/*_aparc+aseg.nii.gz' ),
transforms = {
'inputs' : tx . NormalizeIntensity ( 0 , 1 ),
( 'inputs' , 'outputs' ): tx . Resize (( 64 , 64 , 64 ))
},
base_dir = '~/desktop/ds004711/' )
# create loader with random transforms
loader = nt . Loader ( dataset ,
images_per_batch = 4 ,
sampler = nt . SliceSampler ( batch_size = 32 , axis = 2 )
transforms = {
'inputs' : tx . RandomNoise ( sd = 0.2 )
})
# create model from architecture
arch_fn = nt . fetch_architecture ( 'unet' , dim = 2 )
model = arch_fn ( input_image_size = ( 64 , 64 , 1 ),
mode = 'segmentation' )
# create trainer and fit model
trainer = nt . Trainer ( model , task = 'segmentation' )
trainer . fit ( loader , epochs = 100 )يمكن تثبيت أحدث إصدار من Nitrain من PYPI:
pip install nitrain
أو يمكنك تثبيت أحدث إصدار تطوير مباشرة من GitHub:
python -m pip install git+github.com/nitrain/nitrain.git
حزمة Python ANTS هي تبعية رئيسية تتيح لك قراءة الصور الطبية وتصورها بكفاءة. بالإضافة إلى ذلك ، يمكنك استخدام keras (tf.keras أو keras3) أو TensorFlow أو pytorch كخلف لإنشاء النماذج الخاصة بك.
يمكن أن تكون الروابط التالية مفيدة في أن تصبح أكثر دراية بالنيترات.
يمكنك أيضًا زيارة antspy repo لمعرفة المزيد حول التعامل مع الصور الطبية وإجراء تحليل التصوير الطبي التقليدي.
إذا كان لديك سؤال أو تقرير خطأ ، فإن أفضل طريقة للحصول على المساعدة هي نشر مشكلة على صفحة GitHub. يسعدني أن أرحب بأي مساهمين أو أفكار جدد في المشروع. إذا كنت ترغب في إضافة رمز ، فإن أفضل طريقة للبدء هي نشر مشكلة أو الاتصال بي على [email protected].
يمكنك دعم هذا العمل من خلال بطولة المستودع أو نشر طلب ميزة في علامة التبويب القضايا. تساعد هذه الإجراءات في زيادة تأثير المشروع والوصول إلى المجتمع.
