fastMRI
Bug fix release
網站|數據集| github |出版物
通過獲得較少的測量值來加速磁共振成像（MRI）有可能減少醫療成本，最大程度地減少患者的壓力，並在目前過速或昂貴的應用中使MR成像成為可能。
FastMRI是Facebook AI Research（Fair）和Nyu Langone Health的合作研究項目，以調查AI的使用來更快地進行MRI掃描。 NYU Langone Health已發布了完全匿名的膝蓋和大腦MRI數據集，可以從FastMRI數據集頁面下載。與FastMRI項目相關的出版物可以在此讀數的末尾找到。
該存儲庫包含方便的pytorch數據加載程序，子採樣功能，評估指標以及簡單基線方法的參考實現。它還包含FastMRI項目某些出版物中方法的實現。
有多個出版物描述了數據的不同子組成部分（例如，大腦與膝蓋）和相關的基準。所有FastMRI數據都可以從FastMRI數據集頁面下載。
項目摘要，數據集，基線： FastMRI：加速MRI的開放數據集和基準（{J. Zbontar*，F。Knoll*，A。Sriram*}等，2018）
膝蓋數據： FastMRI：使用機器學習加速MR圖像重建的膝蓋圖像的公開可用的k空間和DICOM數據集（{F. Knoll*，J。Zbontar*}等，2020）
腦數據集屬性： 2020 FastMRI挑戰的補充材料MR圖像重建（{M. Muckley*，B。Riemenschneider*}等，2021）
前列腺數據： FastMRI前列腺：一種公開可用的，兩次攝取的MRI數據集，用於推進前列腺癌成像的機器學習（Tibrewrewala等，2023）
對於代碼文檔，大多數功能和類都有隨附的Docstrings，您可以通過IPYTHON中的help功能訪問。例如：
from fastmri . data import SliceDataset
help ( SliceDataset )注意：對代碼的貢獻通過GitHub操作進行了連續測試。如果遇到問題，最好的第一件事是嘗試匹配setup.cfg ，例如，pip安裝的tests環境pip install --editable ".[tests]"
注意：正如第215期中的記錄，當使用從h5py安裝並轉換為torch.Tensor pip ，當前有內存洩漏。為避免洩漏，您需要在1.12.1之前將h5py與HDF5版本使用。截至2022年2月16日， h5py 3.6.0的conda版本使用了HDF5 1.10.6，避免了洩漏。
首先根據Pytorch網站上的指示安裝Pytorch，用於您的操作系統和CUDA設置。然後，運行
pip install fastmri pip將處理所有軟件包依賴關係。此後，您應該能夠在存儲庫中運行大多數代碼。
如果要直接從GitHub源安裝，請克隆存儲庫，導航到fastmri root Directory並運行
pip install -e . 存儲庫以fastmri模塊為中心。以下分解了基本結構：
fastmri ：包含許多用於復雜數字數學，線圈組合等的基本工具。
fastmri.data ：包含來自原始data文件夾的數據實用程序功能，可用於創建採樣掩碼和提交文件。fastmri.models ：包含重建模型，例如U-NET和VARNET。fastmri.pl_modules ：用於數據加載，訓練和記錄的Pytorch Lightning模塊。 fastmri_examples和banding_removal文件夾包含可重複性的代碼。基線模型用於Arxiv紙。
基於與代碼鏈接的論文的實施簡要摘要如下。對於完整性，我們還提到了在另一個存儲庫中託管的主動獲取工作。
基線模型
採樣，重建和偽影校正
積極獲取
前列腺數據
運行pytest tests 。默認情況下，使用了使用FastMRI數據的集成測試。如果您想運行這些測試，請將SKIP_INTEGRATIONS設置為false中的False 。
數據回顧有一個簡單的示例，用於加載數據並結合數據變換。這本jupyter筆記本包含一個簡單的教程，說明如何開始使用數據。
請查看此U-NET演示腳本，以獲取如何使用Pytorch Lightning框架訓練模型的示例。
注意：正如討論293中所記錄的那樣，FastMri.org域於2023-04-17從Meta所有權轉移到NYU所有權，紐約大學尚未重建該網站。在紐約大學重建網站和領導者之前，排行榜將是不可用的。緩解措施在討論中提出293。
FastMRI已在許可證文件中發現。
如果您在項目中使用FastMRI數據或代碼，請引用Arxiv論文：
@misc { zbontar2018fastMRI ,
title = { {fastMRI}: An Open Dataset and Benchmarks for Accelerated {MRI} } ,
author = { Jure Zbontar and Florian Knoll and Anuroop Sriram and Tullie Murrell and Zhengnan Huang and Matthew J. Muckley and Aaron Defazio and Ruben Stern and Patricia Johnson and Mary Bruno and Marc Parente and Krzysztof J. Geras and Joe Katsnelson and Hersh Chandarana and Zizhao Zhang and Michal Drozdzal and Adriana Romero and Michael Rabbat and Pascal Vincent and Nafissa Yakubova and James Pinkerton and Duo Wang and Erich Owens and C. Lawrence Zitnick and Michael P. Recht and Daniel K. Sodickson and Yvonne W. Lui } ,
journal = { ArXiv e-prints } ,
archivePrefix = " arXiv " ,
eprint = { 1811.08839 } ,
year = { 2018 }
}如果您在項目中使用FastMRI前列腺數據或代碼，請引用該論文：
@misc { tibrewala2023fastmri ,
title = { {FastMRI Prostate}: A Publicly Available, Biparametric {MRI} Dataset to Advance Machine Learning for Prostate Cancer Imaging } ,
author = { Tibrewala, Radhika and Dutt, Tarun and Tong, Angela and Ginocchio, Luke and Keerthivasan, Mahesh B and Baete, Steven H and Chopra, Sumit and Lui, Yvonne W and Sodickson, Daniel K and Chandarana, Hersh and Johnson, Patricia M } ,
journal = { ArXiv e-prints } ,
archivePrefix = " arXiv " ,
eprint = { 2304.09254 } ,
year = { 2023 }
}以下列表列出了FastMRI項目的論文標題。可以在此處找到相應的摘要以及與預印本和代碼的鏈接。
