nitrain
v0.3.1
Nitrain (ehemals Torchsample ) ist eine Framework-Agnostic-Python-Bibliothek für die Probenahme und Erweiterung von medizinischen Bildern, Schulungsmodelle für medizinische Bildgebungsdatensätze und die Visualisierung von Ergebnissen in einem medizinischen Bildgebungskontext.
Die Nitrain-Bibliothek ist insofern einzigartig, als sie die Trainingsmodelle so einfach wie möglich macht, indem sie angemessene Standardeinstellungen und eine hohe Abstraktionsebene bereitstellen. Es unterstützt auch mehrere Frameworks - Torch, Tensorflow und Keras - mit dem Ziel, noch mehr hinzuzufügen.
Vollständige Beispiele für die Ausbildung von AI -Modellen für medizinische Bildgebungs -AI -Modelle mit Nitrain finden Sie auf der Seite Tutorials. Wenn Sie allgemeiner an der KI der medizinischen Bildgebung interessiert sind, sehen Sie sich die KI -Techniken der medizinischen Bildgebung mit Python an (erwartet früh 2025).
Hier ist ein Beispiel für die Verwendung von Nitrain zu einem semantischen Segmentierungsmodell, das einen Großteil der Kernfunktionalität zeigt.
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 )Die neueste Veröffentlichung von Nitrain kann von PYPI installiert werden:
pip install nitrain
Oder Sie können die neueste Entwicklungsversion direkt von GitHub installieren:
python -m pip install git+github.com/nitrain/nitrain.git
Das Ants Python -Paket ist eine wichtige Abhängigkeit, mit der Sie medizinische Bilder effizient lesen, arbeiten und visualisieren können. Darüber hinaus können Sie Keras (TF.keras oder Keras3), Tensorflow oder Pytorch als Backend zum Erstellen Ihrer Modelle verwenden.
Die folgenden Links können hilfreich sein, um mit Nitrain besser vertraut zu sein.
Sie können auch das AntSpy -Repo besuchen, um mehr über die Behandlung von medizinischen Bildern zu erfahren und eine traditionelle medizinische Bildgebungsanalyse durchzuführen.
Wenn Sie eine Frage oder einen Fehlerbericht haben, können Sie die beste Möglichkeit erhalten, Hilfe zu erhalten, indem Sie ein Problem auf der Github -Seite veröffentlichen. Ich würde mich freuen, neue Mitwirkende oder Ideen für das Projekt zu begrüßen. Wenn Sie Code hinzufügen möchten, besteht der beste Weg, um loszulegen, indem Sie ein Problem veröffentlichen oder mich unter [email protected] kontaktieren.
Sie können diese Arbeit unterstützen, indem Sie das Repository auf der Registerkarte "Problemen" veröffentlichen oder eine Funktionsanforderung veröffentlichen. Diese Maßnahmen tragen dazu bei, die Auswirkungen des Projekts und die Reichweite der Gemeinschaft zu erhöhen.
