med seg diff pytorch

MedSegDiff - Pytorch

Pytorch에서 MedSegDiff 구현 - DDPM을 사용하여 Baidu에서 SOTA 의료 분할을 수행하고 기능 수준에서 향상된 조건을 지정하며 푸리에 공간에서 기능을 필터링합니다.

감사

• 넉넉한 후원을 위한 StabilityAI와 저의 다른 후원자들

• 피부 병변 데이터세트에 대한 훈련 스크립트를 추가해준 Isamu와 Daniel!

설치하다

$ pip install med-seg-diff-pytorch

용법

 import torch
from med_seg_diff_pytorch import Unet , MedSegDiff

model = Unet (
    dim = 64 ,
    image_size = 128 ,
    mask_channels = 1 ,          # segmentation has 1 channel
    input_img_channels = 3 ,     # input images have 3 channels
    dim_mults = ( 1 , 2 , 4 , 8 )
)

diffusion = MedSegDiff (
    model ,
    timesteps = 1000
). cuda ()

segmented_imgs = torch . rand ( 8 , 1 , 128 , 128 )  # inputs are normalized from 0 to 1
input_imgs = torch . rand ( 8 , 3 , 128 , 128 )

loss = diffusion ( segmented_imgs , input_imgs )
loss . backward ()

# after a lot of training

pred = diffusion . sample ( input_imgs )     # pass in your unsegmented images
pred . shape                              # predicted segmented images - (8, 3, 128, 128) 

훈련

실행 명령

accelerate launch driver.py --mask_channels=1 --input_img_channels=3 --image_size=64 --data_path= ' ./data ' --dim=64 --epochs=100 --batch_size=1 --scale_lr --gradient_accumulation_steps=4

지금까지 가지고 있는 마스크로 조절한 자체 조건을 추가하려면 --self_condition을 수행합니다.

토도

• Trainer가 의료 이미지 형식에 맞게 맞춤화된 사용자 정의 데이터 세트를 가져오는 몇 가지 기본 훈련 코드 - @isamu-isozaki 덕분에
• 단순 확산에서와 같이 중앙에 어떤 깊이의 완전한 변압기도 있습니다.

인용

 @article { Wu2022MedSegDiffMI ,
    title   = { MedSegDiff: Medical Image Segmentation with Diffusion Probabilistic Model } ,
    author  = { Junde Wu and Huihui Fang and Yu Zhang and Yehui Yang and Yanwu Xu } ,
    journal = { ArXiv } ,
    year    = { 2022 } ,
    volume  = { abs/2211.00611 }
}

 @inproceedings { Hoogeboom2023simpleDE ,
    title   = { simple diffusion: End-to-end diffusion for high resolution images } ,
    author  = { Emiel Hoogeboom and Jonathan Heek and Tim Salimans } ,
    year    = { 2023 }
}