Pytorch Medical Segmentation

Pytorch 의료 세분화

중국어 소개 읽기 ： 여기！

메모

우리는 가까운 시일 내에 코드에 대한 주요 업데이트를 계획하고 있으므로 제안 사항이 있으시면 저에게 이메일을 보내거나 문제에 대해 언급하십시오.

최근 업데이트

• 2021.1.8 열차 및 테스트 코드가 출시되었습니다.
• 2021.2.6 Shanshan Li의 도움으로 주사위의 벌레가 고정되었습니다.
• 2021.2.24 비디오 자습서가 출시되었습니다 (https://www.bilibili.com/video/bv1gp4y1h7kq/).
• 2021.5.16 UNET3D 구현의 버그가 수정되었습니다.
• 2021.5.16 메트릭 코드가 해제됩니다.
• 2021.6.24 모든 매개 변수는 hparam.py에서 조정할 수 있습니다.
• 2021.7.7 이제 Pytorch-Medical-Classification에서 의료 분류를 참조 할 수 있습니다
• 2022.5.15 이제 SSL-for-Medical-Seengation의 의료 세분화에서 반 감독 학습을 참조 할 수 있습니다.
• 2022.5.17 우리는 교육 및 추론 코드를 업데이트하고 일부 버그를 수정합니다.

요구 사항

• Pytorch1.7
• Torchio <= 0.18.20
• 파이썬> = 3.6

알아채다

• HPARAM.PY를 수정하여 2D 또는 3D 세분화 여부와 다중 조정이 가능한지 여부를 결정할 수 있습니다.
• 우리는 거의 모든 2D 및 3D 세분화에 대한 알고리즘을 제공합니다.
• 이 저장소는 구성의 hparam.py 에서 fold_arch를 수정하여 거의 모든 의료 데이터 형식 (예 : NII.GZ, NII, MHD, NRRD, ...)과 호환됩니다. 라벨에 255가 아닌 1으로 표시된 소스와 레이블 이미지를 동일한 유형으로 변환하고 싶습니다.
• 다중 범주 프로그램을 사용하려면 해당 코드를 직접 수정하십시오. 특정 범주를 식별 할 수 없습니다.
• 2D이든 3D이든,이 프로젝트는 패치를 사용하여 처리됩니다. 따라서 이미지의 크기가 크게 같은 것은 아닙니다. 그러나 2D에서는 패치를 충분히 크게 설정해야합니다.

데이터 세트를 준비하십시오

예제 1

소스 데이터 세트 인 경우 :

 source_dataset
├── source_1.mhd
├── source_1.zraw
├── source_2.mhd
├── source_2.zraw
├── source_3.mhd
├── source_3.zraw
├── source_4.mhd
├── source_4.zraw
└── ...

그리고 당신의 라벨 데이터 세트는 다음과 같습니다.

 label_dataset
├── label_1.mhd
├── label_1.zraw
├── label_2.mhd
├── label_2.zraw
├── label_3.mhd
├── label_3.zraw
├── label_4.mhd
├── label_4.zraw
└── ...

그런 다음 fold_arch를 *.mhd , source_train_dir 로 source_dataset 로, label_train_dir 로 hparam.py 에서 label_dataset 으로 수정해야합니다.

예제 2

소스 데이터 세트 인 경우 :

 source_dataset
├── 1
    ├── source_1.mhd
    ├── source_1.zraw
├── 2
    ├── source_2.mhd
    ├── source_2.zraw
├── 3
    ├── source_3.mhd
    ├── source_3.zraw
├── 4
    ├── source_4.mhd
    ├── source_4.zraw
└── ...

그리고 당신의 라벨 데이터 세트는 다음과 같습니다.

 label_dataset
├── 1
    ├── label_1.mhd
    ├── label_1.zraw
├── 2
    ├── label_2.mhd
    ├── label_2.zraw
├── 3
    ├── label_3.mhd
    ├── label_3.zraw
├── 4
    ├── label_4.mhd
    ├── label_4.zraw
└── ...

그런 다음 fold_arch를 * / * .

훈련

• 사전 치료없이

 set hparam.train_or_test to 'train'
python main.py

• 사전 복제 모델로

 set hparam.train_or_test to 'train'
python main.py -k True

추론

• 테스트

 set hparam.train_or_test to 'test'
python main.py

예

튜토리얼

• https://www.bilibili.com/video/bv1gp4y1h7kq/

완료

회로망

• 2d

• unet
• UNET ++
• Miniseg
• Segnet
• pspnet
• highresnet (https://github.com/fepegar/highresnet에서 복사하십시오. 관대함에 대해 Fepegar에게 감사합니다!)
• Deeplab
• FCN

• 3d

• UNET3D
• 잔류 -unet3d
• Densevoxelnet3d
• fcn3d
• vnet3d
• Highresnert (https://github.com/fepegar/highresnet에서 복사하십시오. Fepegar에게 당신의 관대함에 감사드립니다!)
• densenet3d
• Unetr (https://github.com/tamasino52/unetr에서 복사)

메트릭

• Metrics.py 결과를 평가합니다

TODO

• 데이터 세트
• 기준
• nnunet

그런데

이 프로젝트는 완벽하지 않으며 여전히 많은 문제가 있습니다. 이 프로젝트를 사용하고 있으며 저자에게 피드백을주고 싶다면 이메일을 보내주십시오.

감사의 말

이 저장소는 3D 및 2D에서 비공식적 인 Pytorch의 의료 분할 구현이며 Medicalzoopytorch 및 Torchio를 기반으로합니다. 위의 리포에 감사드립니다. 이 프로젝트는 Ruoxiu Xiao 교수, Shuang Song 교수 및 Cheng Chen 박사의 감독으로 이루어집니다. 내가받은 모든 도움을 주신 Zhang, Daiheng Gao, Jie Zhang, Xing Tao, Weili Jiang 및 Shanshan Li에 감사드립니다.