論文の概要: TorchIO: A Python library for efficient loading, preprocessing, augmentation and patch-based sampling of medical images in deep learning

• arxiv url: http://arxiv.org/abs/2003.04696v5
• Date: Thu, 5 Aug 2021 10:48:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 07:41:25.329130
• Title: TorchIO: A Python library for efficient loading, preprocessing, augmentation and patch-based sampling of medical images in deep learning
• Title（参考訳）: TorchIO: ディープラーニングにおける医療画像の効率的なロード、前処理、拡張、パッチベースのサンプリングのためのPythonライブラリ
• Authors: Fernando P\'erez-Garc\'ia, Rachel Sparks and S\'ebastien Ourselin
• Abstract要約: 我々はTorchIOというオープンソースのPythonライブラリを紹介し、ディープラーニングのための医療画像の効率的なロード、前処理、拡張、パッチベースのサンプリングを可能にする。 TorchIOはPyTorchのスタイルに従い、標準的な医用画像処理ライブラリを統合して、ニューラルネットワークのトレーニング中に画像を効率的に処理する。 Pythonを使わずに、画像ファイルに変換を適用できるコマンドラインインターフェースが含まれている。
• 参考スコア（独自算出の注目度）: 68.8204255655161
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Processing of medical images such as MRI or CT presents unique challenges compared to RGB images typically used in computer vision. These include a lack of labels for large datasets, high computational costs, and metadata to describe the physical properties of voxels. Data augmentation is used to artificially increase the size of the training datasets. Training with image patches decreases the need for computational power. Spatial metadata needs to be carefully taken into account in order to ensure a correct alignment of volumes. We present TorchIO, an open-source Python library to enable efficient loading, preprocessing, augmentation and patch-based sampling of medical images for deep learning. TorchIO follows the style of PyTorch and integrates standard medical image processing libraries to efficiently process images during training of neural networks. TorchIO transforms can be composed, reproduced, traced and extended. We provide multiple generic preprocessing and augmentation operations as well as simulation of MRI-specific artifacts. Source code, comprehensive tutorials and extensive documentation for TorchIO can be found at https://torchio.rtfd.io/. The package can be installed from the Python Package Index running 'pip install torchio'. It includes a command-line interface which allows users to apply transforms to image files without using Python. Additionally, we provide a graphical interface within a TorchIO extension in 3D Slicer to visualize the effects of transforms. TorchIO was developed to help researchers standardize medical image processing pipelines and allow them to focus on the deep learning experiments. It encourages open science, as it supports reproducibility and is version controlled so that the software can be cited precisely. Due to its modularity, the library is compatible with other frameworks for deep learning with medical images.
• Abstract（参考訳）: MRIやCTなどの医用画像の処理は、コンピュータビジョンで一般的に使用されるRGB画像と比較して、ユニークな課題である。 これには、大規模なデータセットのラベルの欠如、高い計算コスト、voxelの物理的特性を記述するメタデータが含まれる。 データ拡張は、トレーニングデータセットのサイズを人工的に増やすために使用される。 イメージパッチによるトレーニングは、計算能力の必要性を減らす。 ボリュームの適切なアライメントを確保するためには、空間メタデータを慎重に考慮する必要がある。 我々はTorchIOというオープンソースのPythonライブラリを紹介し、ディープラーニングのための医療画像の効率的なロード、前処理、拡張、パッチベースのサンプリングを可能にする。 TorchIOはPyTorchのスタイルに従い、標準的な医用画像処理ライブラリを統合し、ニューラルネットワークのトレーニング中に画像を効率的に処理する。 TorchIO変換は、合成、再生、トレース、拡張が可能である。 我々は,mri特有のアーティファクトのシミュレーションに加えて,複数の総称前処理と拡張操作を提供する。 TorchIOのソースコード、包括的なチュートリアル、詳細なドキュメントはhttps://torchio.rtfd.io/.com/にある。 パッケージは、'pip install torchio'を実行するPython Package Indexからインストールできる。 pythonを使わずに画像ファイルに変換を適用できるコマンドラインインターフェースが含まれている。 さらに,3dスライサのtorchio拡張内にグラフィカルインタフェースを提供し,変換の効果を可視化する。 TorchIOは、研究者が医療画像処理パイプラインを標準化し、ディープラーニング実験に集中できるように開発された。 再現性をサポートし、ソフトウェアを正確に引用できるようにバージョン管理されているため、オープンサイエンスを促進する。 モジュラリティのため、このライブラリは医学画像の深層学習のための他のフレームワークと互換性がある。

関連論文リスト

• Medical Image Deidentification, Cleaning and Compression Using Pylogik [4.515386176265859]
  PyLogikは、医療画像メタデータのクリーニング、非識別、ROIの決定、ファイル圧縮のためのライブラリである。 結果は、PyLogikがデータのクリーニングと非識別、ROIの決定、ファイル圧縮のための実行可能な方法論であることを示している。 パイプラインの変数は、他の医療画像データタイプで使用するためにも作成されている。
  論文  参考訳（メタデータ） (2023-04-20T21:23:14Z)
• {\mu}Split: efficient image decomposition for microscopy data [50.794670705085835]
  muSplitは、蛍光顕微鏡画像の文脈で訓練された画像分解のための専用アプローチである。 本稿では,大規模な画像コンテキストのメモリ効率向上を実現するメタアーキテクチャである横型文脈化(LC)を提案する。 muSplitを5つの分解タスクに適用し、1つは合成データセットに、もう4つは実際の顕微鏡データから導出する。
  論文  参考訳（メタデータ） (2022-11-23T11:26:24Z)
• Torchhd: An Open Source Python Library to Support Research on Hyperdimensional Computing and Vector Symbolic Architectures [99.70485761868193]
  我々はHD/VSA用の高性能オープンソースPythonライブラリであるTorchhdを紹介する。 Torchhdは、HD/VSAをよりアクセスしやすくし、さらなる研究とアプリケーション開発のための効率的な基盤となることを目指している。
  論文  参考訳（メタデータ） (2022-05-18T20:34:25Z)
• PyTorchVideo: A Deep Learning Library for Video Understanding [71.89124881732015]
  PyTorchVideoは、ビデオ理解タスクのためのオープンソースのディープラーニングライブラリである。 マルチモーダルデータローディング、変換、モデルを含む、ビデオ理解ツールのフルスタックをカバーする。 ライブラリはPyTorchをベースにしており、任意のトレーニングフレームワークで使用することができる。
  論文  参考訳（メタデータ） (2021-11-18T18:59:58Z)
• pymia: A Python package for data handling and evaluation in deep learning-based medical image analysis [0.9176056742068814]
  pymiaは、医療画像解析におけるデータ処理と評価のためのオープンソースのPythonパッケージである。 このパッケージは非常に柔軟で、高速なプロトタイピングを可能にし、データハンドリングルーチンの実装の負担を軽減する。 ピミアは、セグメンテーション、再構成、回帰のための様々な研究プロジェクトでうまく使われた。
  論文  参考訳（メタデータ） (2020-10-07T20:25:52Z)
• TorchRadon: Fast Differentiable Routines for Computed Tomography [0.0]
  TorchRadonライブラリは、ディープラーニングとモデルベースのアプローチを組み合わせるために、CT問題に取り組む研究者を支援するように設計されている。 既存のAstra Toolboxと比較すると、TorchRadonは125倍高速である。 そのスピードとGPUサポートのため、TorchRadonは反復アルゴリズムの実装の高速バックエンドとしても効果的に使用できる。
  論文  参考訳（メタデータ） (2020-09-29T09:20:22Z)
• PyRetri: A PyTorch-based Library for Unsupervised Image Retrieval by Deep Convolutional Neural Networks [49.35908338404728]
  PyRetriはディープラーニングベースの教師なし画像検索のためのオープンソースライブラリである。 検索プロセスを複数のステージにカプセル化し、各ステージの様々な重要なメソッドをカバーする機能を提供する。
  論文  参考訳（メタデータ） (2020-05-02T10:17:18Z)
• A DICOM Framework for Machine Learning Pipelines against Real-Time Radiology Images [50.222197963803644]
  Nifflerは、研究クラスタでの機械学習パイプラインの実行を可能にする統合フレームワークである。 ニフラーはDigital Imaging and Communications in Medicine (DICOM)プロトコルを使用して画像データの取得と保存を行っている。 我々は,そのアーキテクチャと3つのユースケースを提示する: リアルタイムに画像から下大静脈フィルターを検出すること,スキャナ利用の同定,およびスキャナクロックの校正。
  論文  参考訳（メタデータ） (2020-04-16T21:06:49Z)
• Eisen: a python package for solid deep learning [0.0]
  Eisenはオープンソースのpythonパッケージで、ディープラーニングの実装を簡単にする。 医用画像解析やコンピュータビジョンのタスクに特化している。 PyTorchエコシステムに属する他のパッケージと同じアーキテクチャに従っている。
  論文  参考訳（メタデータ） (2020-03-18T14:07:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。