slidl tutorial
1.0.0
SLIDL-это библиотека Python для проведения анализа глубокого обучения изображениям на изображениях целых слайдов (WSI), включая глубокую ткань, артефакт и фоновую фильтрацию, извлечение плитки, вывод модели, оценку модели и многое другое. Этот репозиторий служит для обучения пользователей, как применять SliDL как к классификации, так и на пример сегментации от начала до конца с использованием лучших практик.
SliDL также можно установить через индекс пакетов Python (PYPI):
pip install slidl
Сначала клонировать это хранилище:
git clone https://github.com/markowetzlab/slidl-tutorial
В учебном пособии используется пример подмножества Lymph Node WSIS из вызова Camelyon16. Некоторые из этих WSI содержат метастазы рака молочной железы, и цель учебного пособия состоит в том, чтобы использовать SLIDL для обучения моделей глубокого обучения для выявления метастазирующих слайдов и областей скольжения, а затем для оценки эффективности этих моделей.
Создайте каталог под названием wsi_data , где есть не менее 38 ГБ дискового пространства. Download the following 18 WSIs from the CAMELYON16 dataset into wsi_data :
normal/normal_001.tifnormal/normal_010.tifnormal/normal_028.tifnormal/normal_037.tifnormal/normal_055.tifnormal/normal_074.tifnormal/normal_111.tifnormal/normal_141.tifnormal/normal_160.tiftumor/tumor_009.tiftumor/tumor_011.tiftumor/tumor_036.tiftumor/tumor_039.tiftumor/tumor_044.tiftumor/tumor_046.tiftumor/tumor_058.tiftumor/tumor_076.tiftumor/tumor_085.tif Установите ноутбук Jupyter в slidl-env :
conda install -c conda-forge notebook
Now that the requisite software and data have been downloaded, you are ready to begin the tutorial, which is contained in the Jupyter notebook slidl-tutorial.ipynb in this repository. Запустите ноутбук, а затем перейдите к этому документу в интерфейсе:
jupyter notebook
Once up and running, slidl-tutorial.ipynb contains instructions for running the tutorial. Инструкции по запуску тетрадей Юпитера см. В документации Юпитера.
Результаты завершенного учебного запуска можно найти здесь.
Реализация архитектуры сегментации U-Net, содержащейся в этом хранилище, и некоторого связанного кода сегментации поступает из проекта с открытым исходным кодом Milesial.
The complete documentation for SliDL including its API reference can be found here.
Обратите внимание, что это программное обеспечение для предварительного сбора. Пожалуйста, используйте соответственно.
