معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Deep Learning methods for the segmentation of Tumour Spheroids

ویژگی	مقدار
سیستم عامل	-
نام فایل	Deep-Tumour-Spheroid-1.0.0rc1
نام	Deep-Tumour-Spheroid
نسخه کتابخانه	1.0.0rc1
نگهدارنده	['David Lacalle Castillo']
ایمیل نگهدارنده	['dvdlacallecastillo@gmail.com']
نویسنده	David Lacalle Castillo
ایمیل نویسنده	dvdlacallecastillo@gmail.com
آدرس صفحه اصلی	https://github.com/WaterKnight1998/Deep-Tumour-Spheroid
آدرس اینترنتی	https://pypi.org/project/Deep-Tumour-Spheroid/
مجوز	GNU General Public License v3 (GPLv3)

# Deep-Tumour-Spheroid This package contains several commands and utilities to easily use Semantic Segmentation models in tumor spheroids detection, specifically Glioblastoma Multiforme Tumors (GBM). ## 🚀 Getting Started To start using this package, install it using `pip`: For example, for installing it in Ubuntu use: ```bash pip3 install Deep-Tumour-Spheroid ``` It is recommended to install it globally and not inside virtual environments. Have been tested in Windows, Linux and MacOS. ## 👩‍💻 Usage This package makes easier the use of the best trained model. For that purpose you have available 2 commands: * `deep-tumour-spheroid image <inputImagePath> <outputFolder>` This method predict over an image. Supported types are: `.jpg`, `.png`, `.nd2`, `.tif` y `.tiff`. * `deep-tumour-spheroid folder <inputFolder> <outputFolder>` This method predict in all the images of a folder. You can use `deep-tumour-spheroid` or it's two abbreviations `dts` or `deep-tumour`. In addition, you can use the GUI developed for preparing the dataset. For that purpose run: `deep-tumour-spheroid gui`. More information of the utilities in the next section. You can also execute `deep-tumour-spheroid --help`, `deep-tumour-spheroid gui --help`, `deep-tumour-spheroid image --help`, `deep-tumour-spheroid folder --help` for a detailed help. ## 💻 GUI This GUI contains 4 different utilities: predict, convert ".nd2" and ".tiff" 8 bits unsigned to ".png", transform ".roi" into a ".png" Mask and generating the Dataset. ### Predict ![Predict](https://raw.githubusercontent.com/WaterKnight1998/Deep-Tumour-Spheroid/feature/python-package/python-package/readme_images/predict_tumour.png) ### Transform Image ![Transform Image](https://raw.githubusercontent.com/WaterKnight1998/Deep-Tumour-Spheroid/feature/python-package/python-package/readme_images/transform_image.png) ### Convert ROI to Mask ![Convert ROI to Mask](https://raw.githubusercontent.com/WaterKnight1998/Deep-Tumour-Spheroid/feature/python-package/python-package/readme_images/convert_roi_to_mask.png) ### Generate Dataset ![Generate Dataset](https://raw.githubusercontent.com/WaterKnight1998/Deep-Tumour-Spheroid/feature/python-package/python-package/readme_images/generate_dataset.png) ## 📩 Contact 📧 dvdlacallecastillo@gmail.com 💼 Linkedin [David Lacalle Castillo](https://es.linkedin.com/in/david-lacalle-castillo-5b6280173)

نحوه نصب

نصب پکیج whl Deep-Tumour-Spheroid-1.0.0rc1:

pip install Deep-Tumour-Spheroid-1.0.0rc1.whl

نصب پکیج tar.gz Deep-Tumour-Spheroid-1.0.0rc1:

pip install Deep-Tumour-Spheroid-1.0.0rc1.tar.gz