nitrain
v0.3.1
Nitrain（以前のTorchsample ）は、医療画像をサンプリングおよび増強し、医療画像データセットでモデルをトレーニングし、医療画像のコンテキストで結果を視覚化するためのフレームワークに依存しないPythonライブラリです。
Nitrainライブラリは、合理的なデフォルトと高レベルの抽象化を提供することにより、トレーニングモデルを可能な限り簡単にするという点でユニークです。また、さらに多くを追加することを目標に、Torch、Tensorflow、Kerasの複数のフレームワークもサポートしています。
ニトレインを使用した医療イメージングAIモデルのトレーニングの完全な例は、チュートリアルページにあります。より一般的に医療イメージングAIに興味がある場合は、Pythonを使用した実用的な医療イメージングAI技術をチェックしてください（2025年初頭）。
ニトレインを使用して、コア機能の多くを実証するセマンティックセグメンテーションモデルに使用する例を示します。
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 )Nitrainの最新リリースは、Pypiからインストールできます。
pip install nitrain
または、最新の開発バージョンをGitHubから直接インストールすることもできます。
python -m pip install git+github.com/nitrain/nitrain.git
Ants Pythonパッケージは、医療画像を効率的に読み、操作し、視覚化できる重要な依存関係です。さらに、モデルを作成するために、Keras（tf.kerasまたはkeras3）、tensorflow、またはpytorchをバックエンドとして使用できます。
次のリンクは、ニトレインに精通するのに役立ちます。
また、Antspy Repoにアクセスして、医療画像の処理と従来の医療画像分析の実行について詳しく知ることもできます。
質問またはバグレポートがある場合、ヘルプを得るための最良の方法は、githubページに問題を投稿することです。プロジェクトへの新しい貢献者やアイデアを歓迎させていただきます。コードを追加したい場合、開始する最良の方法は、問題を投稿するか、[email protected]で私に連絡することです。
リポジトリを主演するか、[問題]タブに機能要求を投稿することにより、この作業をサポートできます。これらのアクションは、プロジェクトの影響とコミュニティリーチを増やすのに役立ちます。
