Tabla de contenido
- prefacio
- Pasos de instalación
- Tarea de clasificación de conjuntos de datos MedMNIST basada en MONAI
- importar dependencias
- descargar datos
- leer información de la imagen
- MONAI se transforma
- Definir conjunto de datos, red y optimizador
- tren
- prueba
- Resumir
- Link de referencia
prefacio
Recientemente, estaba leyendo un documento relacionado con la dirección de imágenes médicas en CVPR 2023 y descubrí que el documento de segmentación de tumores hepáticos sin etiquetas usaba el marco MONAI. En algunos artículos de revistas sobre imágenes médicas a los que he prestado atención antes, también apareció MONAI, y el tutor anterior lo había recomendado, así que aprendí sobre él. Después de una simple búsqueda, encontré que no hay tutoriales en chino sobre MONAI en Internet, habrá una serie de tutoriales muy detallados sobre MONAI, que se publicarán en GiantPandaCV.
MONAI tiene tres almacenes principales, MONAI Core, MONAI Label y MONAI Deploy (SDK), que se utilizan para la capacitación de modelos, el etiquetado de imágenes médicas y la implementación de modelos, respectivamente, y los presentaremos uno por uno más adelante. Las direcciones son las siguientes:
- https://github.com/Proyecto-MONAI/MONAI
- https://github.com/Proyecto-MONAI/MONAILabel
- https://docs.monai.io/projects/monai-deploy-app-sdk/en/stable/index.html
En cuanto al MONAI Core basado en antorcha, que es en lo que nos centramos en la primera parte, tiene principalmente las siguientes ventajas:
- Función flexible de preprocesamiento de datos de imágenes médicas multidimensionales y