torchio
v0.20.3
| Original | Desenfoque al azar |
| Flip aleatorio | Ruido aleatorio |
| Transformación afina aleatoria | Transformación elástica aleatoria |
| Artefacto de campo de sesgo aleatorio | Artefacto de movimiento aleatorio |
| Artefacto de espiga aleatoria | Artefacto de fantasma al azar |
(Cola para entrenamiento basado en parches)
Torchio es un paquete de Python que contiene un conjunto de herramientas para leer, preprocesar, probar, aumentar y escribir imágenes médicas 3D en aplicaciones de aprendizaje profundo escritas en Pytorch, incluidas la intensidad y las transformaciones espaciales para el aumento de datos y el preprocesamiento. Las transformaciones incluyen operaciones típicas de visión por computadora, como transformaciones afinadas aleatorias y también específicas de dominio, como la simulación de artefactos de intensidad debido a la homogeneidad del campo magnético de MRI o los artefactos de movimiento del espacio K.
Este paquete se ha inspirado en gran medida en Niftynet, que ya no se mantiene activamente.
Si le gusta este repositorio, haga clic en Star!
Si usa este paquete para su investigación, cite nuestro documento:
F. Pérez-García, R. Sparks y S. Ourselin. Torchio: una biblioteca de Python para carga eficiente, preprocesamiento, aumento y muestreo de imágenes médicas basadas en parches en el aprendizaje profundo . Métodos y programas informáticos en biomedicina (junio de 2021), p. 106236. ISSN: 0169-2607.doi: 10.1016/j.cmpb.2021.106236.
Entrada de Bibtex:
@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 } ,
}Este proyecto está respaldado por las siguientes instituciones:
¡Vea comenzar para las instrucciones de instalación y un mundo, mundo! ejemplo.
Se pueden encontrar ejemplos de uso más largos en los tutoriales.
Toda la documentación está alojada en leer los documentos.
Abra un nuevo problema si cree que falta algo.
Gracias a todas estas personas (Key Emoji):
Fernando Pérez-García | Valabregue ? ? ? | Gfabien ? ? | G.reguig | Niels Schurink | Ibrahim hadzic ? | Reubendo ? |
Julian Klug ? | David Völgyes ? | Jean-Christophe 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 ? | malteekj ? | Andrés Díaz-Pinto ? | Sarthak Pati ? | Gabriellakamlish ? |
Tyler Spears ? | Maldito | Xiangyu Zhao ? | siahuat0727 ? | Svdvoort | Albans98 | Matthew T. Warkentin |
glupol ? | Ramonemiliani93 ? | Justus Schock ? ? ? | Stefan Milorad Radonjić ? | Sajan Gohil ? | Ikko Ashimine | Laynr |
Omar U. espejel ? | Butler de James ? | res191 ? | nengwp ? | Susanveraclarke ? | Nepersica ? | Sebastian Penhouet ? |
Bigsealion ? | Dženan zukić ? | VASL12 ✅? | François Rousseau ? | snavalm | Jacob Reinhold | HSU ? |
francotirador ? | Smally ? | guía ? | Ayedsamy ? | J. Miguel Valverde ? ? | José Guilherme Almeida ? | Asim Usman ? |
CBRI92 ? | Markus J. Ankenbrand ? | Ziv yaniv | Luca Lumetti | chagelo ? | franzes mueller ? | Abdelwahab kawafi ? |
Arthur Masson ? | 양현식 | nicoloesch ? | Amund Vedal | Alabamagan ? | sbdoherty | Zhack47 ? |
Blake Dewey | Doyeon Kim ? | Konomaxi ? | Chauvin laurent ? | Bisagra cristiana ? | zzz123xyz ? | Amin Alam |
marius-sm ? | haarisr | Viento de Chris ? | Ricky Walsh | Keerthi Sravan Ravi ? |
Este proyecto sigue la especificación de todos los contribuyentes. ¡Contribuciones de cualquier tipo bienvenido!
