pre_post_synthesis

Synthèse de l'IRM mammaire pré-

Dans SPIE Medical Imaging 2024.

Commencer

L'ensemble de données Duke utilisé dans cette étude est disponible sur l'archive d'imagerie du cancer (TCIA).

Vous pouvez trouver quelques exemples de fichiers nifti synthétiques en synthèse / exemples.

Code de synthèse

• Config pour exécuter une formation du modèle de synthèse d'image.
• Config pour exécuter un test du modèle de synthèse d'image.
• Code pour transformer les fichiers Duke DICOM en fichiers nifti.
• Code pour extraire les PNG 2D à partir de fichiers 3D NIFTI.
• Code pour créer des fichiers NIFTI 3D à partir de PNG 2D axial.
• Code pour séparer la formation de synthèse et les cas de test.
• Code pour calculer les mesures de qualité d'image telles que SSIM, MSE, LPIPS, etc.
• Code pour calculer la distance de création de Frèchet (FID) basée sur ImageNet et Radimagenet.

Code de segmentation

• Code pour préparer des cas de sein unique 3D pour la segmentation NNunet.
• Train-test-splits de l'ensemble de données de segmentation.
• Script pour exécuter le pipeline NNunet complet sur l'ensemble de données Duke.

Exécuter le modèle

Les poids du modèle sont stockés sur Zenodo et mis à disposition via la bibliothèque Medigan.

Pour créer vos propres données post-contraste, exécutez simplement:

pip install medigan

 # import medigan and initialize Generators
from medigan import Generators
generators = Generators ()

# generate 10 samples with model 23 (00023_PIX2PIXHD_BREAST_DCEMRI). 
# Also, auto-install required model dependencies.
generators . generate ( model_id = '00023_PIX2PIXHD_BREAST_DCEMRI' , num_samples = 10 , install_dependencies = True )

Référence

Veuillez envisager de citer notre travail si vous l'avez trouvé utile pour vos recherches:

 @article { osuala2023pre ,
  title = { {Pre-to Post-Contrast Breast MRI Synthesis for Enhanced Tumour Segmentation} } ,
  author = { Osuala, Richard and Joshi, Smriti and Tsirikoglou, Apostolia and Garrucho, Lidia and Pinaya, Walter HL and Diaz, Oliver and Lekadir, Karim } ,
  journal = { arXiv preprint arXiv:2311.10879 } ,
  year = { 2023 }
  }

Remerciements

Ce référentiel emprunte le code du PIX2PIXHD et des référentiels NNunet. Les 254 masques de segmentation tumorale utilisés dans cette étude ont été fournis par Caballo et al.