UWAFA-GAN

Este código es la implementación de pytorch de UWAFA-GAN que ha sido aceptada por JBHI 2024 denominada "UWAFA-GAN: Transformación de angiografía con fluoresceína de ángulo ultra amplio mediante generación a múltiples escalas y mejora de registro". Se puede utilizar para convertir la oftalmoscopia láser de escaneo UWF (UWF-SLO) en angiografía con fluoresceína UWF (UWF-FA) y mostrar las pequeñas áreas de lesión vascular y podría entrenarse en una pequeña desalineación emparejada UWF-SLO y UWF-FA.

Generación UWF-FA de UWF-SLO con bonitos detalles

Pre-requisitos

linux
pitón>=3.7
GPU NVIDIA (memoria>=10G) + CUDA cuDNN

como entrenar

Preparación de los datos.

Estamos navegando diligentemente a través de procedimientos éticos y de aprobación para proporcionar grandes cantidades de datos entrenables que puedan mejorar la exhaustividad de nuestro código fuente abierto. Sin embargo, en la actualidad, no podemos hacer públicos volúmenes sustanciales de datos. Agradecemos su comprensión con respecto a este asunto. Sin embargo, si tiene sus propios datos, aún puede entrenarlos y generarlos usando nuestro código. Asumimos que sus datos, con el sufijo ".jpg", están en la ruta "conjunto de datos/suyo" . Primero, debemos recortarlos aleatoriamente en el conjunto de datos de entrenamiento.

 python utils/advan_random_crop.py --datadir dataset/yours  --output_dir dataset/data_slo2ffa --suffix .jpg --index_interval 0 --index_interval 100

Esto recortará los 100 pares de imágenes con sufijo-jpg de la ruta "dataset/yours" y colocará el resultado en la ruta "dataset/data_slo2ffa" . Entonces se puede ejercer el procedimiento de entrenamiento. Busque el archivo yaml en la ruta "config/train_config.yaml", asegurándose de que la ruta de datos sea correcta.

Parte de train_config.yaml

 batchsize: 4
epoch: 40
num_D: 2
n_layers: 4

# validation setting
validation_epoch: 41
val_dir: ''

# dataloader
data_path: ["dataset/data_slo2ffa"]
val_length: 900
seed: -1 
img_size: [832, 1088]

y ejecuta el comando:

 python -u train_changed.py

Comience a la evaluación

Proporcionamos 6 pares de ejemplos para evaluación en dataset/example_pairs , si solo tiene UWF-SLO y puede probarlo también. Para evaluar, el primer UWF-SLO debe nombrarse como 1.jpg, el segundo como 2.jpg... Igual que en dataset/example_pairs

configurar punto de control

Descargue exp_final y asegúrese de que la ruta "./weights/exp_final" sea correcta. El directorio "exp_final" debe contener tres elementos:

 ├── exp_final
    ├──discriminator.pt
    ├──generator.pt
    ├──reg.pt

y ejecuta el comando:

python -u utils/Model_evaluation_without_ffa.py --updir dataset/example_pairs 
    --model_updir weights/exp_final

El resultado se guardará en la ruta dataset/example_pairs

Citación

 @article{ge2024uwafa,
  title={UWAFA-GAN: Ultra-Wide-Angle Fluorescein Angiography Transformation via Multi-scale Generation and Registration Enhancement},
  author={Ge, Ruiquan and Fang, Zhaojie and Wei, Pengxue and Chen, Zhanghao and Jiang, Hongyang and Elazab, Ahmed and Li, Wangting and Wan, Xiang and Zhang, Shaochong and Wang, Changmiao},
  journal={IEEE Journal of Biomedical and Health Informatics},
  year={2024},
  publisher={IEEE}
}

Expandir

Información adicional