pre_post_synthesis 다운로드 pre_post_synthesis 소스 코드 다운로드

pre_post_synthesis

기타 소스코드

1.0.0

다운로드

향상된 종양 분할을위한 대비 유방 MRI 합성 전-

Spie Medical Imaging 2024에서.

시작하기

이 연구에 사용 된 듀크 데이터 세트는 암 이미징 아카이브 (TCIA)에서 사용할 수 있습니다.

합성/예에서 합성 NIFTI 파일의 몇 가지 예를 찾을 수 있습니다.

합성 코드

이미지 합성 모델의 교육을 실행하도록 구성하십시오.
이미지 합성 모델 테스트를 실행하도록 구성하십시오.
Duke Dicom 파일을 Nifti 파일로 변환하는 코드.
3D NIFTI 파일에서 2D PNG를 추출하는 코드.
축 방향 2D PNGS에서 3D NIFTI 파일을 작성하는 코드.
합성 훈련 및 테스트 사례를 분리하기위한 코드.
SSIM, MSE, LPIP 등과 같은 이미지 품질 메트릭을 계산하는 코드.
imagenet 및 radimagenet을 기반으로 FRèchet Inception 거리 (FID)를 계산하는 코드.

세분화 코드

NNUNET 세분화를위한 3D 단일 유방 사례를 준비하는 코드.
세분화 데이터 세트의 열차 테스트 스플릿.
Duke 데이터 세트에서 전체 Nnunet 파이프 라인을 실행하는 스크립트.

모델을 실행하십시오

모델 가중치는 Zenodo에 저장되며 Medigan 라이브러리를 통해 제공됩니다.

자신의 후 대비 데이터를 만들려면 간단히 실행하십시오.

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 )

참조

연구에 유용하다고 생각되면 우리의 작업을 인용하는 것을 고려하십시오.

 @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 }
  }