slidl tutorial

Belajar Slidl, Perpustakaan Python dari Alat Pra dan Pasca Pemrosesan Untuk Menerapkan Pembelajaran yang mendalam pada gambar Slide Whole

Slidl adalah perpustakaan Python untuk melakukan analisis gambar pembelajaran yang mendalam pada gambar-gambar seluruh (WSIS), termasuk jaringan dalam, artefak, dan penyaringan latar belakang, ekstraksi ubin, inferensi model, evaluasi model dan banyak lagi. Repositori ini berfungsi untuk mengajari pengguna cara menerapkan SliDL pada klasifikasi dan contoh masalah segmentasi dari awal hingga selesai menggunakan praktik terbaik.

Menginstal Slidl dan Depedensinya

SliDL juga dapat diinstal melalui Indeks Paket Python (PYPI):

 pip install slidl

Menjalankan tutorial Slidl

Klon pertama repositori ini:

 git clone https://github.com/markowetzlab/slidl-tutorial

Tutorial menggunakan contoh subset getah bening WSIS dari tantangan Camelyon16. Beberapa WSI ini mengandung metastasis kanker payudara dan tujuan tutorial ini adalah menggunakan Slidl untuk melatih model pembelajaran yang mendalam untuk mengidentifikasi slide yang mengandung metastasis dan daerah slide, dan kemudian untuk mengevaluasi kinerja model tersebut.

Buat direktori yang disebut wsi_data di mana ada setidaknya 38 GB ruang disk. Unduh 18 WSIS berikut dari Dataset Camelyon16 ke wsi_data :

• normal/normal_001.tif
• normal/normal_010.tif
• normal/normal_028.tif
• normal/normal_037.tif
• normal/normal_055.tif
• normal/normal_074.tif
• normal/normal_111.tif
• normal/normal_141.tif
• normal/normal_160.tif
• tumor/tumor_009.tif
• tumor/tumor_011.tif
• tumor/tumor_036.tif
• tumor/tumor_039.tif
• tumor/tumor_044.tif
• tumor/tumor_046.tif
• tumor/tumor_058.tif
• tumor/tumor_076.tif
• tumor/tumor_085.tif

Instal Jupyter Notebook ke slidl-env :

 conda install -c conda-forge notebook

Sekarang perangkat lunak dan data yang diperlukan telah diunduh, Anda siap untuk memulai tutorial, yang terkandung dalam notebook Jupyter slidl-tutorial.ipynb di repositori ini. Mulai Notebook dan kemudian arahkan ke dokumen itu di antarmuka:

 jupyter notebook

Setelah berjalan dan berjalan, slidl-tutorial.ipynb berisi instruksi untuk menjalankan tutorial. Untuk instruksi tentang menjalankan Jupyter Notebooks, lihat dokumentasi Jupyter.

Hasil menjalankan tutorial yang lengkap dapat ditemukan di sini.

Implementasi arsitektur segmentasi U-Net yang terkandung dalam repositori ini dan beberapa kode segmentasi terkait berasal dari proyek sumber terbuka Milesial.

Dokumentasi

Dokumentasi lengkap untuk SliDL termasuk referensi API -nya dapat ditemukan di sini.

Penafian

Perhatikan bahwa ini adalah perangkat lunak prerelease. Harap gunakan sesuai.