อูวาฟา-กัน

รหัสนี้เป็นการใช้งาน pytorch ของ UWAFA-GAN ซึ่งได้รับการยอมรับโดย JBHI 2024 โดยมีชื่อว่า "UWAFA-GAN: การแปลงหลอดเลือดด้วยฟลูออเรสซีนแบบมุมกว้างพิเศษผ่านการสร้างและการลงทะเบียนแบบหลายสเกล" สามารถใช้ในการเปลี่ยนการตรวจตาด้วยเลเซอร์สแกน UWF (UWF-SLO) ไปเป็น UWF fluorescein angiography (UWF-FA) และแสดงบริเวณรอยโรคหลอดเลือดเล็กๆ และสามารถฝึกเกี่ยวกับการวางแนวที่ไม่ตรงเล็กน้อยที่จับคู่ UWF-SLO และ UWF-FA

การสร้าง UWF-FA จาก UWF-SLO พร้อมรายละเอียดที่สวยงาม

ข้อกำหนดเบื้องต้น

ลินุกซ์
หลาม>=3.7
NVIDIA GPU (หน่วยความจำ>=10G) + CUDA cuDNN

วิธีการฝึก

การเตรียมข้อมูล

เรากำลังดำเนินการอย่างขยันขันแข็งผ่านขั้นตอนด้านจริยธรรมและการอนุมัติเพื่อให้ข้อมูลที่สามารถฝึกอบรมได้จำนวนมากซึ่งสามารถปรับปรุงความครอบคลุมของโค้ดโอเพ่นซอร์สของเราได้ อย่างไรก็ตาม ในปัจจุบัน เราไม่สามารถเปิดเผยข้อมูลจำนวนมากต่อสาธารณะได้ ขอขอบคุณสำหรับความเข้าใจของคุณเกี่ยวกับเรื่องนี้ อย่างไรก็ตาม หากคุณมีข้อมูลของคุณเอง คุณยังคงสามารถฝึกฝนและสร้างโดยใช้โค้ดของเราได้ เราถือว่าข้อมูลของคุณซึ่งมีคำต่อท้ายเป็น ".jpg" อยู่ในเส้นทาง "ชุดข้อมูล/ของคุณ" อันดับแรก เราต้องสุ่มครอบตัดข้อมูลเหล่านั้นลงในชุดข้อมูลการฝึกอบรม

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

วิธีนี้จะครอบตัดรูปภาพ suffix-jpg 100 คู่จากเส้นทาง "dataset/yours" และนำผลลัพธ์ไปไว้ในเส้นทาง "dataset/data_slo2ffa" จากนั้นจึงจะสามารถดำเนินการตามขั้นตอนการฝึกอบรมได้ ค้นหาไฟล์ yaml ในเส้นทาง "config/train_config.yaml" ตรวจสอบให้แน่ใจว่า data_path ของไฟล์นั้นถูกต้อง

ส่วนหนึ่งของ 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]

และรันคำสั่ง:

 python -u train_changed.py

เริ่มต้นการประเมินผล

เรามีตัวอย่าง 6 คู่สำหรับการประเมินใน ชุดข้อมูล/example_pairs หากคุณมีเพียง UWF-SLO และคุณสามารถลองใช้ได้เช่นกัน ในการประเมิน UWF-SLO แรกควรตั้งชื่อเป็น 1.jpg ส่วนที่สองเป็น 2.jpg... เช่นเดียวกับใน ชุดข้อมูล/example_pairs

กำหนดค่าจุดตรวจ

ดาวน์โหลด exp_final และตรวจสอบให้แน่ใจว่าเส้นทาง "./weights/exp_final" ถูกต้อง ไดเรกทอรี "exp_final" ควรมีสามองค์ประกอบ:

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

และรันคำสั่ง:

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

ผลลัพธ์จะถูกบันทึกไว้ในชุดข้อมูลเส้นทาง/example_pairs

การอ้างอิง

 @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}
}

ขยาย

ข้อมูลเพิ่มเติม