用于基于深度学习的医学图像分析中的数据处理和评估的 Python 包。
项目描述
皮米亚
pymia 是一个开源 Python (py) 包，用于基于深度学习的医学图像分析 (mia)。该软件包解决了深度学习管道的两个主要部分：数据处理和评估。该软件包本身独立于所使用的深度学习框架，但可以轻松集成到 TensorFlow 和 PyTorch 管道中。因此，pymia 非常灵活，允许快速原型设计，并减少了实现数据处理和评估的负担。
主要特点
pymia 的主要功能是数据处理（pymia.data包）和评估（pymia.evaluation包）。数据包用于从数据集中以所需格式（2-D、3-D；完整或补丁方式）提取数据（图像、标签、人口统计等），以馈送到神经网络。如有必要，然后将神经网络的输出组装回提取之前的原始格式。评估包提供了评估例程和指标来评估对参考的预测。评估既可用于独立的结果计算和报告，也可用于监控培训进度。此外，pymia 提供了一些基本的图像过滤和操作功能（pymia.filtering包）。我们建议遵循我们的示例.
下图描绘了深度学习环境中的pymia。数据包允许从原始数据创建数据集。几乎可以以每种所需格式（2-D、3-D；完整或补丁方式）从该数据集中提取数据，以馈送到神经网络。如有必要，可以将神经网络的预测组装回提取之前的格式。评估包允许使用大量指标根据参考评估预测。它可以单独使用（实线）或用于训练期间的性能监控（虚线）。
入门
如果您是 pymia 新手，这里有一些指南可以让您立即上手：
- 安装说明的安装 - 或简单地运行
pip install pymia - 示例为您概述了 pymia 的预期用途。目录./examples中提供了 Jupyter 笔记本和 Python 脚本。
- 你想做出贡献？
- 更改历史
- 致谢
引文
如果您使用 pymia 进行研究，请通过引用我们的论文来相应地承认它：
中文提供条目：
@article{Jungo2021a,
author = {Jungo, Alain and Scheidegger, Olivier and Reyes, Mauricio and Balsiger, Fabian},
doi = {10.1016/j.cmpb.2020.105796},
issn = {01692607},
journal = {Computer Methods and Programs in Biomedicine},
pages = {105796},
title = {{pymia: A Python package for data handling and evaluation in deep learning-based medical image analysis}},
volume = {198},
year = {2021},
}
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。
源分布
pymia-0.3.2.tar.gz
(59.7 kB
查看哈希)
内置分布
pymia-0.3.2-py3-none-any.whl
（73.5 kB
查看哈希）