معرفی شرکت ها

brainseg-0.0.5

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
0.0.5
0.0.1
0.0.5
0.0.1

توضیحات

A brain segmentation tool
ویژگی مقدار
سیستم عامل -
نام فایل brainseg-0.0.5
نام brainseg
نسخه کتابخانه 0.0.5
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Alan Lee
ایمیل نویسنده alleetw101@gmail.com
آدرس صفحه اصلی https://github.com/alleetw101/brainseg
آدرس اینترنتی https://pypi.org/project/brainseg/
مجوز -
# Brain Seg ![Segmentation Comparison](assets/SegmentationComparison.jpg) A brain segmentation tool using machine learning Under development This software has NOT been approved for medical analysis/diagnosis. Please use other approved software for medical use. # Models SavedModels for use can be found at [Google Drive](https://drive.google.com/drive/folders/1DuKPhzKcxWUNXYxYbSNw8zydiAG7a8qw?usp=sharing). Models were trained using the Mindboggle-101 data: Klein, Arno, 2016, "Mindboggle-101 manually labeled individual brains", https://doi.org/10.7910/DVN/HMQKCK, Harvard Dataverse, V2 A Klein, SS Ghosh, FS Bao, J Giard, Y Hame, E Stavsky, N Lee, B Rossa, M Reuter, EC Neto, A Keshavan. 2017. Mindboggling morphometry of human brains. PLoS Computational Biology 13(3): e1005350. doi:10.1371/journal.pcbi.1005350 (bioRxiv 2016 preprint) # Options positional arguments: filepath Path of file to segment optional arguments: -h, --help show this help message and exit -s SEGMENT, --segment Segments using provided SavedModel (Directory path required) --segment-precision Float32 or float64 {32,64} --output OUTPUT, -o Output filepath --output-channels Number of channel in output image {1,3} # Usage Examples ```bash # Segments a sample nifti scan $ brainseg sample.nii.gz -s sampleSavedModel -o output.nii.gz ``` # Model Training Graphs SavedModel_210303 ![accuracy_210303](assets/accuracy_210303_235240.png) ![loss_210303](assets/loss_210303_235240.png)


نیازمندی

مقدار نام
>=2.0 Tensorflow
>=8.0 Pillow
- niftiprocessing


زبان مورد نیاز

مقدار نام
>=3.8 Python


نحوه نصب


نصب پکیج whl brainseg-0.0.5:

    pip install brainseg-0.0.5.whl


نصب پکیج tar.gz brainseg-0.0.5:

    pip install brainseg-0.0.5.tar.gz