slidl tutorial

การเรียนรู้ Slidl ซึ่งเป็นห้องสมุด Python ของเครื่องมือก่อนและหลังการประมวลผลสำหรับการใช้การเรียนรู้อย่างลึกซึ้งกับภาพทั้งหมด

SLIDL เป็นไลบรารี Python สำหรับการวิเคราะห์ภาพการเรียนรู้อย่างลึกซึ้งในภาพสไลด์ (WSIS) รวมถึงเนื้อเยื่อลึกสิ่งประดิษฐ์และการกรองพื้นหลังการสกัดกระเบื้องการอนุมานแบบจำลองการประเมินแบบจำลองและอื่น ๆ พื้นที่เก็บข้อมูลนี้ทำหน้าที่สอนผู้ใช้ถึงวิธีการใช้ SliDL กับทั้งการจำแนกประเภทและปัญหาการแบ่งกลุ่มปัญหาตั้งแต่ต้นจนจบโดยใช้แนวทางปฏิบัติที่ดีที่สุด

การติดตั้ง slidl และ depedencies ของมัน

SliDL สามารถติดตั้งได้ผ่านดัชนีแพ็คเกจ Python (PYPI):

 pip install slidl

รันการสอน slidl

โคลนครั้งแรกที่เก็บนี้:

 git clone https://github.com/markowetzlab/slidl-tutorial

บทช่วยสอนใช้ตัวอย่างต่อมน้ำเหลืองส่วนย่อย WSIs จากความท้าทาย Camelyon16 WSIs เหล่านี้บางส่วนมีการแพร่กระจายของมะเร็งเต้านมและเป้าหมายของการสอนคือการใช้ SLIDL เพื่อฝึกอบรมแบบจำลองการเรียนรู้ลึกเพื่อระบุสไลด์ที่มีการแพร่กระจายและพื้นที่สไลด์และจากนั้นประเมินประสิทธิภาพของโมเดลเหล่านั้น

สร้างไดเรกทอรีที่เรียกว่า wsi_data โดยมีพื้นที่ดิสก์อย่างน้อย 38 GB ดาวน์โหลด 18 WSIS ต่อไปนี้จากชุดข้อมูล Camelyon16 ไปยัง wsi_data :

• normal/normal_001.tif
• normal/normal_010.tif
• normal/normal_028.tif
• normal/normal_037.tif
• normal/normal_055.tif
• normal/normal_074.tif
• normal/normal_111.tif
• normal/normal_141.tif
• normal/normal_160.tif
• tumor/tumor_009.tif
• tumor/tumor_011.tif
• tumor/tumor_036.tif
• tumor/tumor_039.tif
• tumor/tumor_044.tif
• tumor/tumor_046.tif
• tumor/tumor_058.tif
• tumor/tumor_076.tif
• tumor/tumor_085.tif

ติดตั้ง Jupyter Notebook ลงใน slidl-env :

 conda install -c conda-forge notebook

ตอนนี้มีการดาวน์โหลดซอฟต์แวร์และข้อมูลที่จำเป็นแล้วคุณพร้อมที่จะเริ่มต้นการสอนซึ่งมีอยู่ในสมุดบันทึก Jupyter slidl-tutorial.ipynb ในที่เก็บนี้ เริ่มสมุดบันทึกแล้วนำทางไปยังเอกสารนั้นในอินเทอร์เฟซ:

 jupyter notebook

เมื่อขึ้นและทำงานแล้ว slidl-tutorial.ipynb จะมีคำแนะนำสำหรับการเรียกใช้การสอน สำหรับคำแนะนำในการเรียกใช้สมุดบันทึก Jupyter โปรดดูเอกสารประกอบ Jupyter

ผลการสอนที่เสร็จสมบูรณ์สามารถพบได้ที่นี่

การใช้งานสถาปัตยกรรมการแบ่งส่วน U-Net ที่มีอยู่ในที่เก็บนี้และรหัสการแบ่งส่วนที่เกี่ยวข้องบางส่วนมาจากโครงการโอเพ่นซอร์สของ Milesial

เอกสาร

เอกสารที่สมบูรณ์สำหรับ SliDL รวมถึงการอ้างอิง API สามารถดูได้ที่นี่

คำเตือน

โปรดทราบว่านี่คือซอฟต์แวร์ Preerlease กรุณาใช้ตาม