乌瓦法甘

该代码是UWAFA-GAN的 pytorch 实现，已被 JBHI 2024 接受，名为“UWAFA-GAN：通过多尺度生成和配准增强实现超广角荧光血管造影转换”。它可用于将UWF扫描激光检眼镜（UWF-SLO）转换为UWF荧光素血管造影（UWF-FA）并显示微小的血管病变区域，并可对UWF-SLO和UWF-FA配对进行轻微错位训练。

从 UWF-SLO 生成 UWF-FA，细节精美

先决条件

Linux
蟒蛇>=3.7
NVIDIA GPU（内存>=10G）+ CUDA cuDNN

如何训练

数据准备

我们正在努力通过道德和审批程序，以提供大量可训练数据，以增强我们开源代码的全面性。但目前我们还无法公开发布大量数据。感谢您对此事的理解。但是，如果您有自己的数据，您仍然可以使用我们的代码进行训练和生成。我们假设您的数据后缀为“.jpg”，位于路径“dataset/yours”中，首先我们需要将它们随机裁剪到训练数据集中。

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

这将从路径“dataset/yours”中裁剪100对后缀-jpg 图像，并将结果放入路径“dataset/data_slo2ffa”中。然后就可以进行训练程序了。在路径“config/train_config.yaml”中找到yaml文件，确保其data_path正确。

train_config.yaml 的一部分

 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]

并运行命令：

 python -u train_changed.py

开始评估

我们在dataset/example_pairs中提供了 6 对示例进行评估，如果您只有 UWF-SLO 也可以尝试一下。为了评估，第一个 UWF-SLO 应命名为 1.jpg，第二个命名为 2.jpg...就像dataset/example_pairs中一样

检查点配置

下载 exp_final 并确保路径“./weights/exp_final”正确。目录“exp_final”应包含三个元素：

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

并运行命令：

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

结果将保存在路径dataset/example_pairs中

引文

 @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}
}

展开

附加信息