MedicalZooPytorch
1.0.0
私たちは、オープンで再現可能な深い学習研究を強く信じています。私たちの目標は、Pytorchにアート3Dディープニューラルネットワークのオープンソースの医療画像セグメンテーションライブラリを実装することです。また、最も一般的な医療画像データセットのデータローダーを実装しました。このプロジェクトはMSC論文として始まり、現在さらに開発中です。この作業は当初、 3Dマルチモーダル脳MRIセグメンテーションに焦点を当てていましたが、アーキテクチャとデータローダーを徐々に追加しています。
[更新] 21-07新しいGPUを受け取ったばかりです。プロジェクトの先進状は、計算リソースが不足しているため延期されました。より多くの更新で戻ってきます。通知されるリリースについては、GitHubリポジトリをご覧ください。私たちは常に情熱的なオープンソースの寄稿を探しています。完全なクレジットが与えられます。
医療イメージングにおける深い学習の基本的な概念を迅速に理解したい場合は、ブログ投稿を確認するために強くアドバイスします。医療画像セグメンテーションとディープラーニングのすべての側面の一般的な高レベルの概要を提供します。 MRIアプリケーションのより広範な概要については、最新のレビュー記事を見つけてください。
より基本的な医療イメージングの概念を把握するには、座標系とDICOM画像に関する投稿をご覧ください。
MRIの深い学習に関するより全体的なアプローチについては、私の論文をアドバイスすることができます。
または、仮想環境を作成して要件をインストールすることもできます。詳細については、インストールフォルダーを確認してください。
また、マニュアルを一目見れば、
このプロジェクトを実行する有能な環境やデバイスがない場合は、Google Colabを試してみることができます。これにより、GPUデバイスを使用してプロジェクトを無料で実行できます。このノートブックを使用して、コラブデモを試すことができます。
| タスク | データ情報/モダリティ | 電車/テスト | ボリュームサイズ | クラス | データセットサイズ（GB） |
|---|---|---|---|---|---|
| ISEG 2017 | T1、T2 | 10/10 | 144x192x256 | 4 | 0.72 |
| ISEG 2019 | T1、T2 | 10 /13 | 144x192x256 | 4 | 0.75 |
| Miccai Brats2018 | Flair、T1W、T1GD、T2W | 285 / - | 240x240x155 | 9または4 | 2.4 |
| Miccai Brats2019 | Flair、T1W、T1GD、T2W | 335 /125 | 240x240x155 | 9または4 | 4 |
| MrBrains 2018 | Flair、T1W、T1GD、T2W | 8 | 240x240x48 | 9または4 | 0.5 |
| IXI脳開発データセット | T1、T2ラベルなし | 581 | （110〜150）x256x256 | - | 8.7 |
| Miccai Gleason 2019チャレンジ | 2D病理画像 | 〜250 | 5k x 5k | - | 2.5 |
| モデル | ＃params（m） | Mac（g） | ISEG 2017 DSC（％） | MR-Brains4クラスDSC（％） |
|---|---|---|---|---|
| UNET3D | 17 m | 0.9 | 93.84 | 88.61 |
| vnet | 45 m | 12 | 87.21 | 84.09 |
| densenet3d | 3 m | 5.1 | 81.65 | 79.85 |
| Skipdensenet3d | 1.5 m | 31 | - | - |
| Densevoxelnet | 1.8 m | 8 | - | - |
| HyperDensenet | 10.4 m | 5.8 | - | - |
python ./examples/train_iseg2017_new.py --args
python ./examples/train_mrbrains_4_classes.py --args
python ./examples/train_mrbrains_9_classes.py --args
python ./examples/test_miccai_2019.py --args
python ./tests/inference.py --args
人道的目的でCovid-19に関するいくつかの実装を提供しています。詳細：
Covid-CTデータセット
covidxデータセット
このリポジトリが本当に気に入っていて、有用であることがある場合は、（★）主演することを検討してください。それは非常に感謝されるだろう:)！
バグが見つかった場合は、GitHubの問題を作成するか、さらに優れている場合は、プルリクエストを送信してください。同様に、質問がある場合は、githubの問題としてそれらを投稿するだけです。貢献ディレクトリの詳細。
license.mdファイルにアドバイスしてください。サードパーティのライブラリとリポジトリの使用については、それぞれの分散条件をアドバイスしてください。元のモデルとデータセットを引用するといいでしょう。必要に応じて、この作業を次のように引用することもできます。
@MastersThesis{adaloglou2019MRIsegmentation,
author = {Adaloglou Nikolaos},
title={Deep learning in medical image analysis: a comparative analysis of
multi-modal brain-MRI segmentation with 3D deep neural networks},
school = {University of Patras},
note="url{https://github.com/black0017/MedicalZooPytorch}",
year = {2019},
organization={Nemertes}}
一般に、オープンソースコミュニティでは、サードパーティのユーティリティを認識することで、ソフトウェアの信頼性が高まります。深い学習では、学者は何らかの理由でサードパーティのリポジトリを承認する傾向があります。本質的に、このプロジェクトをセルフコンプリートにするために必要なリソースを使用しました。ただし、プロジェクトの構造と要件に一致するように変更が行われました。これが、トップベースの作品のリストです：HyperDensenet Model。ここからのセグメンテーション損失のほとんど。ここから3D-SkipdenSenetモデル。ここから3D-Resnetベースモデル。模倣プロジェクトの抽象モデルクラス。 Pytorchテンプレートのトレーナーとライタークラス。ここからの以前の作業に基づいたCovid-19の実装。 Miccai 2019 Gleason Challenge Data-Roadersは、ここからの以前の作業に基づいています。ここからの基本的な2D UNET実装。vnetモデルはここから
