nitrain

Nitrain: กรอบการถ่ายภาพภาษาท้องถิ่น

Nitrain (เดิมคือ Torchsample ) เป็นห้องสมุด Python ที่มีกรอบการทำงานสำหรับการสุ่มตัวอย่างและเพิ่มภาพทางการแพทย์รูปแบบการฝึกอบรมเกี่ยวกับชุดข้อมูลการถ่ายภาพทางการแพทย์และการแสดงผลผลลัพธ์ในบริบทการถ่ายภาพทางการแพทย์

ไลบรารี Nitrain นั้นไม่เหมือนใครในการสร้างรูปแบบการฝึกอบรมให้ง่ายที่สุดเท่าที่จะเป็นไปได้โดยการเริ่มต้นที่สมเหตุสมผลและเป็นนามธรรมระดับสูง นอกจากนี้ยังรองรับเฟรมเวิร์กหลายเฟรม - คบเพลิง, เทนเซอร์โฟลว์และเครส - โดยมีเป้าหมายเพื่อเพิ่มมากขึ้น

ตัวอย่างเต็มรูปแบบของการฝึกอบรมการถ่ายภาพ Medical AI แบบจำลองโดยใช้ nitrain สามารถพบได้ที่หน้าบทเรียน หากคุณมีความสนใจมากขึ้นในการถ่ายภาพทางการแพทย์ AI ลองดูเทคนิคการถ่ายภาพทางการแพทย์ที่ใช้งานได้จริงด้วย Python (คาดว่าต้นปี 2025)

เร็ว

นี่คือตัวอย่างของการใช้ nitrain กับโมเดลการแบ่งส่วนความหมายที่แสดงให้เห็นถึงฟังก์ชั่นหลักมาก

 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 )

การติดตั้ง

Nitrain รุ่นล่าสุดสามารถติดตั้งได้จาก PYPI:

 pip install nitrain

หรือคุณสามารถติดตั้งเวอร์ชันการพัฒนาล่าสุดได้โดยตรงจาก GitHub:

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

การพึ่งพาอาศัยกัน

แพ็คเกจมด Python เป็นการพึ่งพาคีย์ที่ช่วยให้คุณสามารถอ่านทำงานและแสดงภาพทางการแพทย์ได้อย่างมีประสิทธิภาพ นอกจากนี้คุณสามารถใช้ keras (tf.keras หรือ keras3), tensorflow หรือ pytorch เป็นแบ็กเอนด์สำหรับการสร้างโมเดลของคุณ

ทรัพยากร

ลิงค์ต่อไปนี้จะมีประโยชน์ในการทำความคุ้นเคยกับไนเตรนมากขึ้น

• บทแนะนำบทแนะนำ [ลิงก์]
• ตัวอย่างการแบ่งกลุ่ม [ลิงก์]
• ตัวอย่างการจำแนก [ลิงก์]
• ตัวอย่างการลงทะเบียน [ลิงก์]

นอกจากนี้คุณยังสามารถเยี่ยมชม repo antspy เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับการจัดการภาพทางการแพทย์และทำการวิเคราะห์การถ่ายภาพทางการแพทย์แบบดั้งเดิม

การบริจาค

หากคุณมีคำถามหรือรายงานข้อผิดพลาดวิธีที่ดีที่สุดในการรับความช่วยเหลือคือการโพสต์ปัญหาในหน้า GitHub ฉันยินดีที่จะต้อนรับผู้มีส่วนร่วมหรือแนวคิดใหม่ ๆ ในโครงการ หากคุณต้องการเพิ่มรหัสวิธีที่ดีที่สุดในการเริ่มต้นคือการโพสต์ปัญหาหรือติดต่อฉันที่ [email protected]

คุณสามารถสนับสนุนงานนี้โดยนำแสดงโดยที่เก็บหรือโพสต์คำขอคุณสมบัติในแท็บปัญหา การกระทำเหล่านี้ช่วยเพิ่มผลกระทบของโครงการและการเข้าถึงชุมชน