UWAFA-GAN

Kode ini merupakan implementasi pytorch dari UWAFA-GAN yang telah diterima oleh JBHI 2024 dengan nama "UWAFA-GAN: Ultra-Wide-Angle Fluorescein Angiography Transformation via Multi-scale Generation and Registration Enhancement". Hal ini dapat digunakan untuk mengubah oftalmoskopi laser pemindaian UWF (UWF-SLO) menjadi angiografi fluorescein UWF (UWF-FA) dan menampilkan area lesi pembuluh darah kecil dan dapat dilatih pada ketidakselarasan kecil yang dipasangkan UWF-SLO dan UWF-FA.

Generasi UWF-FA dari UWF-SLO dengan detail yang bagus

Prasyarat

Linux
ular piton>=3.7
GPU NVIDIA (memori>=10G) + CUDA cuDNN

Bagaimana cara melatih

Persiapan data

Kami dengan tekun menjalani prosedur etika dan persetujuan untuk menyediakan data yang dapat dilatih dalam jumlah besar yang dapat meningkatkan kelengkapan kode sumber terbuka kami. Namun, saat ini, kami tidak dapat merilis data dalam jumlah besar kepada publik. Kami menghargai pengertian Anda mengenai masalah ini. Namun, jika Anda memiliki data sendiri, Anda masih dapat melatih dan menghasilkan menggunakan kode kami. Kami berasumsi data Anda, dengan akhiran ".jpg", berada di jalur "dataset/yours" , pertama-tama kami perlu memotongnya secara acak ke dalam dataset pelatihan.

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

Ini akan memotong 100 pasang gambar suffix-jpg dari jalur "dataset/yours" dan memasukkan hasilnya ke jalur "dataset/data_slo2ffa" . Kemudian prosedur pelatihan dapat dilakukan. Temukan file yaml di jalur "config/train_config.yaml", pastikan data_pathnya benar.

Bagian dari 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]

dan jalankan perintah:

 python -u train_changed.py

Mulailah evaluasi

Kami menyediakan 6 pasang contoh untuk evaluasi di dataset/example_pairs , jika Anda hanya memiliki UWF-SLO dan Anda dapat mencobanya juga. Untuk mengevaluasi, UWF-SLO pertama harus diberi nama 1.jpg, yang kedua sebagai 2.jpg... Sama seperti di dataset/example_pairs

konfigurasi pos pemeriksaan

Download exp_final dan pastikan path "./weights/exp_final" benar. Direktori "exp_final" harus berisi tiga elemen:

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

dan jalankan perintah:

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

Hasilnya akan disimpan di path dataset/example_pairs

Kutipan

 @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}
}

Memperluas

Informasi Tambahan