Medical Transformer下载 - Medical Transformer源代码下载

Medical Transformer

Python

1.0.0

下载

医疗转变器

PYTORCH代码“医疗变压器：医学图像分割的封闭式轴向注意”，Miccai 2021

纸|海报

消息：

：结帐我们的最新作品《 Unext》，这是一种更快，更高效的细分体系结构，也很容易训练和实施！代码可在此处使用。

关于此存储库：

此存储库托管以下网络的代码：

门控轴向注意U-net
梅特

介绍

为视觉应用程序提出的大多数基于变压器的网络体系结构都需要大规模数据集进行正确的训练。但是，与视力应用程序的数据集相比，用于医学成像的数据样本数量相对较低，因此很难有效地训练用于医疗应用的变压器。为此，我们提出了一个封闭式的轴向注意模型，该模型通过在自我发项式模块中引入附加的控制机制来扩展现有体系结构。此外，为了在医学图像上有效地训练该模型，我们提出了局部全球培训策略（徽标），从而进一步改善了性能。具体而言，我们分别在整个图像和补丁上进行操作，以分别学习全球和本地特征。拟议的医疗变压器（MEDT）在封闭式轴向注意U-NET上使用徽标训练策略。

使用代码：

克隆这个存储库：

git clone https://github.com/jeya-maria-jose/Medical-Transformer
cd Medical-Transformer

该代码使用Python 3.6.10，Pytorch 1.4.0稳定。

使用Conda安装所有依赖项：

conda env create -f environment.yml
conda activate medt

使用PIP安装所有依赖项：

pip install -r requirements.txt

下载公共数据集的链接：

Monuseg数据集 - 链接（原始）
GLAS数据集 - 链接（原始）
纸张中的大脑解剖学数据集将很快公开！

使用数据集的代码

数据集准备

以以下格式准备数据集，以方便使用代码。火车和测试文件夹应包含两个子文件夹：IMG和标签。确保将图像放置在这些文件夹下方，并具有相同的名称，以便于通信。如果您不想以这种格式准备数据集，请更改数据加载程序。

Train Folder-----
      img----
          0001.png
          0002.png
          .......
      labelcol---
          0001.png
          0002.png
          .......
Validation Folder-----
      img----
          0001.png
          0002.png
          .......
      labelcol---
          0001.png
          0002.png
          .......
Test Folder-----
      img----
          0001.png
          0002.png
          .......
      labelcol---
          0001.png
          0002.png
          .......

地面真相图像应具有与标签相对应的像素。示例：在二进制分割的情况下，GT中的像素应为0或255。

培训命令：

python train.py --train_dataset " enter train directory " --val_dataset " enter validation directory " --direc ' path for results to be saved ' --batch_size 4 --epoch 400 --save_freq 10 --modelname " gatedaxialunet " --learning_rate 0.001 --imgsize 128 --gray " no "

Change modelname to MedT or logo to train them

测试命令：

python test.py --loaddirec " ./saved_model_path/model_name.pth " --val_dataset " test dataset directory " --direc ' path for results to be saved ' --batch_size 1 --modelname " gatedaxialunet " --imgsize 128 --gray " no "

包括预测的分割图在内的结果将与模型权重一起放置在结果文件夹中。在MATLAB中运行性能指标代码以计算F1分数和MIOU。

笔记：

1）请注意，这些实验是在Nvidia Quadro 8000中进行48 GB内存进行的。 2）Google Colab代码是用于快速火车/测试的非官方实施。请按照原始代码进行适当的培训。

确认：

数据加载代码是从Pytorch-Unet启发的。轴向注意代码是从轴向深度列布开发的。

引用：

@InProceedings{jose2021medical,
author= " Valanarasu, Jeya Maria Jose
and Oza, Poojan
and Hacihaliloglu, Ilker
and Patel, Vishal M. " ,
title= " Medical Transformer: Gated Axial-Attention for Medical Image Segmentation " ,
booktitle= " Medical Image Computing and Computer Assisted Intervention -- MICCAI 2021 " ,
year= " 2021 " ,
publisher= " Springer International Publishing " ,
address= " Cham " ,
pages= " 36--46 " ,
isbn= " 978-3-030-87193-2 "
}