torchio
v0.20.3
| Original | Zufällige Unschärfe |
| Zufälliger Flip | Zufälliges Rauschen |
| Zufällige Affine -Transformation | Zufällige elastische Transformation |
| Zufällige Vorspannungsartifakte | Zufällige Bewegungsartefakt |
| Zufällige Spike -Artefakt | Zufälliges Geisterartefakt |
(Warteschlange für Patch-basierte Training)
Torchio ist ein Python -Paket, das eine Reihe von Tools enthält, um 3D -medizinische Bilder in Pytorch, einschließlich Intensität und räumlichen Transformationen für die Datenerweiterung und -vorverarbeitung, effizient zu lesen, vorzuproben, zu erweitern und zu schreiben. Zu den Transformationen gehören typische Computer-Vision-Operationen wie zufällige Affine-Transformationen und auch domänenspezifische Simulation von Intensitätsartefakten aufgrund von MRT-Magnetfeldinhomogenität oder K-Space-Bewegungsartifakten.
Dieses Paket wurde stark von Niftynet inspiriert, das nicht mehr aktiv gepflegt wird.
Wenn Ihnen dieses Repository gefällt, klicken Sie bitte auf Star!
Wenn Sie dieses Paket für Ihre Recherche verwenden, zitieren Sie bitte unser Papier:
F. Pérez-García, R. Sparks und S. Ourselin. Torchio: Eine Python-Bibliothek für effizientes Laden, Vorverarbeitung, Augmentation und Patch-basierte Stichproben von medizinischen Bildern im tiefen Lernen . Computermethoden und -programme in Biomedizin (Juni 2021), p. 106236. ISSN: 0169-2607.DOI: 10.1016/j.cmpb.2021.106236.
Bibtex -Eintrag:
@article { perez-garcia_torchio_2021 ,
title = { {TorchIO}: a {Python} library for efficient loading, preprocessing, augmentation and patch-based sampling of medical images in deep learning } ,
journal = { Computer Methods and Programs in Biomedicine } ,
pages = { 106236 } ,
year = { 2021 } ,
issn = { 0169-2607 } ,
doi = { https://doi.org/10.1016/j.cmpb.2021.106236 } ,
url = { https://www.sciencedirect.com/science/article/pii/S0169260721003102 } ,
author = { P{'e}rez-Garc{'i}a, Fernando and Sparks, Rachel and Ourselin, S{'e}bastien } ,
}Dieses Projekt wird von den folgenden Institutionen unterstützt:
Siehe Erste Schritte für Installationsanweisungen und eine Hallo, Welt! Beispiel.
In den Tutorials finden sich längere Nutzungsbeispiele.
Die gesamte Dokumentation wird in Read the Docs gehostet.
Bitte eröffnen Sie ein neues Problem, wenn Sie glauben, dass etwas fehlt.
Danke geht an all diese Leute (Emoji -Schlüssel):
Fernando Pérez-García | Valabregue ? ? ? | Gfabien ? ? | G.reguig | Niels Schurink | Ibrahim Hadzic ? | Reubendo ? |
Julian Klug ? | David Völgyes ? | Jean-Christophe Fillion-Robin | Suraj Pai ? | Ben Darwin ? | Oeslle Lucena ? | Soumick Chatterjee |
Neuronflow | Jan Witowski | Derk Mus ? | Christian Herz ? | Cory Efird ? | Esteban Vaca C. ? | Ray Phan ? |
Akis Linardos ? | Nina Montana-Brown ? | Fabien-Brulport ? | Maltekj ? | Andres Diaz-Pinto ? | Sarthak Pati ? | Gabriellakamlish ? |
Tyler Spears ? | Dagut | Xiangyu Zhao ? | Siahuat0727 ? | Svdvoort | Albans98 | Matthew T. Warkentin |
Glupol ? | Ramonemiliani93 ? | Justus Schock ? ? ? | Stefan Milorad Radonjić ? | Sajan Gohil ? | Ikko Ashimine | Laien |
Omar U. Espejel ? | James Butler ? | res191 ? | Nengwp ? | Susanveraclarke ? | Nepersica ? | Sebastian Penhouet ? |
Bigsealion ? | Dženan Zukić ? | Vasl12 ✅? | François Rousseau ? | Snavalm | Jacob Reinhold | Hsu ? |
Snipdome ? | Smally ? | Guigautier ? | Ayedsamie ? | J. Miguel Valverde ? ? | José Guilherme Almeida ? | Asim Usman ? |
CBRI92 ? | Markus J. Ankenbrand ? | Ziv Yaniv | Luca Lumetti | Chagelo ? | Müller-Franzes ? | Abdelwahab Kawafi ? |
Arthur Masson ? | 양현식 | Nicoloesch ? | Amund Vedal | Alabamagan ? | sbdoherty | Zhack47 ? |
Blake Dewey | Doyeon Kim ? | Konomaxi ? | Laurent Chauvin ? | Christes Scharnier ? | Zzz123xyz ? | Amin Alam |
Marius-sm ? | Haarisr | Chris Winder ? | Ricky Walsh | Keerthi Sravan Ravi ? |
Dieses Projekt folgt der All-Contributors-Spezifikation. Beiträge jeglicher Art willkommen!
