Skip to content

Latest commit

 

History

History
86 lines (56 loc) · 4.52 KB

README_med.md

File metadata and controls

86 lines (56 loc) · 4.52 KB
Raw

Для использования Фреймворка для поддержки принятия врачебных решений в необходимо выполнить следующие шаги:

  1. Склонировать фреймворк;

    git clone https://github.com/InnopolisUni/innofw.git

  2. Установить пакеты poetry;

    poetry install

  3. Для инициализации модели предобученными весами указать путь к весам в параметре ckpt_path эксперимента, либо в shell/batch скрипта;

  4. Путь к наборам данных указан в параметре source конфигурационных файлов datasets (набор данных загрузится автоматически при запуске скрипта);

  5. Запустить алгоритмы посредством shell/batch скриптов. Команды с использованием shell скриптов приведенные ниже должны быть использованы на ОС Линукс. Команды с использованием batch скриптов приведенные ниже должны быть использованы на ОС Windows.

    1. Метод предобработки рентгенологических снимков и данных КТ(метод повышения контраста пораженных тканей)

      Пример использования (sh/bat скрипты):

      • run_kernel_trick.sh

      • run_ribs_supression.sh

      • run_kernel_trick.bat

      • run_ribs_supression.bat

    2. Метода синхронизации с медицинским отраслевым стандартом DICOM

      Пример использования (sh/bat скрипты):

      • infer_brain_segmentation.sh
      • infer_brain_segmentation.bat

    3. Локализации патологий на медицинских изображениях (рентгенологических и КТ снимках)

      Пример использования (sh/bat скрипты):

      • обучение
        • train_brain_segmentation.sh
        • train_lung_detection.sh
        • train_brain_segmentation.bat
        • train_lung_detection.bat
      • инференс
        • infer_brain_segmentation.sh
        • infer_lung_detection.sh
        • infer_brain_segmentation.bat
        • infer_lung_detection.bat

      Набор данных: brain_ct

      Путь к набору данных (train): https://api.blackhole.ai.innopolis.university/public-datasets/stroke/train.zip

      Путь к набору данных (test): https://api.blackhole.ai.innopolis.university/public-datasets/stroke/test.zip

      Веса предобученной модели: https://api.blackhole.ai.innopolis.university/pretrained/segmentation_unet_brain.pt

      Набор данных: lung_detection

      Путь к набору данных (train): https://api.blackhole.ai.innopolis.university/public-datasets/lungs_detection/train.zip

      Путь к набору данных (test): https://api.blackhole.ai.innopolis.university/public-datasets/lungs_detection/test.zip

      Веса предобученной модели: https://api.blackhole.ai.innopolis.university/pretrained/lung_detection.pt

    4. Cегментации медицинских изображений (КТ снимков)

      Пример использования (sh/bat скрипты):

      • обучение
        • train_brain_segmentation.sh
        • train_brain_segmentation.bat
      • инференс
        • infer_brain_segmentation.sh
        • infer_brain_segmentation.bat

      Набор данных: brain_ct

      Путь к набору данных (train): https://api.blackhole.ai.innopolis.university/public-datasets/stroke/train.zip

      Путь к набору данных (test): https://api.blackhole.ai.innopolis.university/public-datasets/stroke/test.zip

      Веса предобученной модели: https://api.blackhole.ai.innopolis.university/pretrained/segmentation_unet_brain.pt

    5. Метод трансформации медицинских изображений(Dicom в JPG)

      Пример использования (sh/bat скрипты):

      • run_dicom_to_image.sh
      • run_dicom_to_image.sh