torchio
v0.20.3
| Original | Blur aleatório |
| Flip aleatório | Ruído aleatório |
| Transformação Affine Random | Transformação elástica aleatória |
| Artefato de campo de viés aleatório | Artefato de movimento aleatório |
| Artefato de pico aleatório | Artefato de fantasma aleatório |
(Fila para treinamento baseado em patch)
O Torchio é um pacote Python que contém um conjunto de ferramentas para ler, pré -processar, amostrar, aumentar e escrever com eficiência imagens médicas em aplicativos de aprendizado profundo escritos em Pytorch, incluindo intensidade e transformações espaciais para aumento de dados e pré -processamento. As transformações incluem operações típicas de visão computacional, como transformações afins aleatórias e também específicas de domínio, como simulação de artefatos de intensidade devido à inomogeneidade do campo magnético da RM ou artefatos de movimento do espaço K.
Este pacote foi bastante inspirado pelo Niftynet, que não é mais mantido ativamente.
Se você gosta deste repositório, clique em Star!
Se você usar este pacote para sua pesquisa, cite nosso artigo:
F. Pérez-García, R. Sparks e S. Ourselin. Torchio: uma biblioteca Python para carregamento eficiente, pré-processamento, aumento e amostragem baseada em patches de imagens médicas em aprendizado profundo . Métodos e programas de computador na biomedicina (junho de 2021), p. 106236. ISSN: 0169-2607.DOI: 10.1016/j.cmpb.2021.106236.
Entrada Bibtex:
@article { perez-garcia_torchio_2021 ,
title = { {TorchIO}: a {Python} library for efficient loading, preprocessing, augmentation and patch-based sampling of medical images in deep learning } ,
journal = { Computer Methods and Programs in Biomedicine } ,
pages = { 106236 } ,
year = { 2021 } ,
issn = { 0169-2607 } ,
doi = { https://doi.org/10.1016/j.cmpb.2021.106236 } ,
url = { https://www.sciencedirect.com/science/article/pii/S0169260721003102 } ,
author = { P{'e}rez-Garc{'i}a, Fernando and Sparks, Rachel and Ourselin, S{'e}bastien } ,
}Este projeto é suportado pelas seguintes instituições:
Consulte Introdução para instruções de instalação e um olá, mundo! exemplo.
Exemplos de uso mais longos podem ser encontrados nos tutoriais.
Toda a documentação está hospedada em Read os documentos.
Por favor, abra um novo problema se você acha que algo está faltando.
Obrigado a todas essas pessoas (key emoji):
Fernando Pérez-García | Valabregue ? ? ? | Gfabien ? ? | G.REGUIG | Niels Schurink | Ibrahim Hadzic ? | Reubendo ? |
Julian Klug ? | David Völgyes ? | Jean-Christophe Fillion-Robin | Suraj Pai ? | Ben Darwin ? | Oeslle Lucena ? | Soumick Chatterjee |
neuronflow | Jan Witowski | Derk Mus ? | Christian Herz ? | Cory efird ? | Esteban Vaca C. ? | Ray Phan ? |
Akis linardos ? | Nina Montana-Brown ? | Fabien-Brulport ? | Malteekj ? | Andres Diaz-Pinto ? | Sarthak Pati ? | Gabriellakamlish ? |
Tyler Spears ? | DAGUT | Xiangyu Zhao ? | Siahuat0727 ? | Svdvoort | Albans98 | Matthew T. Warkentin |
Glupol ? | RAMONEMILIANI93 ? | Justus Schock ? ? ? | Stefan Milorad Radonjić ? | Sajan Gohil ? | Ikko Ashimine | Laynr |
Omar U. Espejel ? | James Butler ? | Res191 ? | Nengwp ? | Susanveraclarke ? | Nepersica ? | Sebastian Penhouet ? |
BigSealion ? | Dženan Zukić ? | VASL12 ✅? | François Rousseau ? | Snavalm | Jacob Reinhold | Hsu ? |
snipdome ? | Smally ? | Guigautier ? | Ayedsamy ? | J. Miguel Valverde ? ? | José Guilherme Almeida ? | Asim Usman ? |
CBRI92 ? | Markus J. Ankenbrand ? | Ziv Yaniv | Luca Lumetti | Chagelo ? | Mueller-Franzes ? | Abdelwahab Kawafi ? |
Arthur Masson ? | 양현식 | Nicoloesch ? | Amund Vedal | Alabamagan ? | sbdoherty | Zhack47 ? |
Blake Dewey | Doyeon Kim ? | Konomaxi ? | Laurent Chauvin ? | Dobradiça cristã ? | ZZZ123XYZ ? | Amin Alam |
Marius-sm ? | Haarisr | Chris Winder ? | Ricky Walsh | Keerthi Sravan Ravi ? |
Este projeto segue a especificação de todos os contribuintes. Contribuições de qualquer tipo de boas -vindas!
