slidl tutorial

Learning Slidl，是一个预处理和后处理工具的Python库，用于将深度学习应用于全扫描图像

SLIDL是一个Python库，用于对全扫描图像（WSIS）进行深度学习图像分析，包括深组织，人工制品和背景过滤，瓷砖提取，模型推理，模型评估等。该存储库可以教用户如何在使用最佳实践开始到完成分类和细分示例问题上应用SliDL 。

安装SLIDL及其脱落

SliDL也可以通过Python软件包索引（PYPI）安装：

 pip install slidl

运行SLIDL教程

首先克隆这个存储库：

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

该教程使用Camelyon16挑战中的示例子集淋巴结WSI。这些WSI中的一些包含乳腺癌转移，该教程的目的是使用SLIDL训练深度学习模型，以识别含转移的幻灯片和滑动区域，然后评估这些模型的性能。

创建一个名为wsi_data的目录，其中至少有38 GB的磁盘空间。将以下18个WSI从CamelyOn16数据集下载到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

将jupyter笔记本安装到slidl-env中：

 conda install -c conda-forge notebook

现在已经下载了必要的软件和数据，您可以开始本教程，该教程包含在此存储库中的Jupyter Notebook slidl-tutorial.ipynb中。启动笔记本，然后在接口中导航到该文档：

 jupyter notebook

启动并运行后， slidl-tutorial.ipynb包含运行教程的说明。有关运行jupyter笔记本电脑的说明，请参见jupyter文档。

完整的教程运行的结果可以在此处找到。

该存储库中包含的U-NET细分架构的实现和一些相关的分割代码来自Milesial的开源项目。

文档

可以在此处找到SliDL的完整文档，包括其API参考。

免责声明

请注意，这是预发行软件。请相应使用。