nitrain

Nitrain: uma estrutura de IA nativa de imagem médica

A Nitrain (anteriormente Torchsample ) é uma biblioteca Python-Framework-Agnóstica para amostragem e aumento de imagens médicas, modelos de treinamento em conjuntos de dados de imagem médica e visualização de resultados em um contexto de imagem médica.

A biblioteca Nitrain é única, pois torna os modelos de treinamento o mais simples possível, fornecendo inadimplências razoáveis e um alto nível de abstração. Ele também suporta várias estruturas - Torch, Tensorflow e Keras - com o objetivo de adicionar ainda mais.

Exemplos completos de treinamento de modelos de IA de imagem médica usando nitrain podem ser encontrados na página Tutoriais. Se você estiver interessado em imagens médicas de IA, confira as técnicas práticas de IA de imagens médicas com Python (esperado no início de 2025).

Investir rápido

Aqui está um exemplo de uso do Nitrain para um modelo de segmentação semântica que demonstra grande parte da funcionalidade principal.

 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 )

Instalação

O lançamento mais recente do Nitrain pode ser instalado a partir da Pypi:

 pip install nitrain

Ou você pode instalar a versão mais recente de desenvolvimento diretamente do GitHub:

 python -m pip install git+github.com/nitrain/nitrain.git

Dependências

O pacote Python Ants é uma dependência importante que permite ler, operar e visualizar com eficiência imagens médicas. Além disso, você pode usar Keras (TF.Keras ou Keras3), Tensorflow ou Pytorch como back -end para criar seus modelos.

Recursos

Os links a seguir podem ser úteis para se familiarizar com o Nitrain.

• Tutoriais de introdução [link]
• Exemplos de segmentação [link]
• Exemplos de classificação [link]
• Exemplos de registro [link]

Você também pode visitar o repositório de Antspy para saber mais sobre como lidar com imagens médicas e executar a análise tradicional de imagens médicas.

Contribuindo

Se você tiver uma pergunta ou relatório de bug, a melhor maneira de obter ajuda é publicando um problema na página do Github. Eu ficaria feliz em receber quaisquer novos colaboradores ou idéias no projeto. Se você deseja adicionar código, a melhor maneira de começar é publicando um problema ou entrando em contato comigo em [email protected].

Você pode apoiar este trabalho estrelando o repositório ou publicando uma solicitação de recurso na guia Problemas. Essas ações ajudam a aumentar o impacto e o alcance da comunidade do projeto.