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

Dafne - Deep Anatomical Federated Network

ویژگی	مقدار
سیستم عامل	-
نام فایل	dafne-1.3a3
نام	dafne
نسخه کتابخانه	1.3a3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Francesco Santini
ایمیل نویسنده	francesco.santini@unibas.ch
آدرس صفحه اصلی	https://github.com/dafne-imaging/dafne
آدرس اینترنتی	https://pypi.org/project/dafne/
مجوز	-

[![PyPI version](https://badge.fury.io/py/dafne.svg)](https://badge.fury.io/py/dafne) [![PDF Documentation](https://img.shields.io/badge/Docs-pdf-brightgreen)](https://www.dafne.network/files/documentation.pdf) [![HTML Documentation](https://img.shields.io/badge/Docs-html-brightgreen)](https://www.dafne.network/documentation/) # Dafne Deep Anatomical Federated Network is a program for the segmentation of medical images. It relies on a server to provide deep learning models to aid the segmentation, and incremental learning is used to improve the performance. See https://www.dafne.network/ for documentation and user information. ## Windows binary installation Please install the Visual Studio Redistributable Package under windows: https://aka.ms/vs/16/release/vc_redist.x64.exe Then, run the provided installer ## Mac binary installation Install the Dafne App from the downloaded .dmg file as usual. Make sure to download the archive appropriate for your architecture (x86 or arm). ## Linux binary installation The Linux distribution is a self-contained executable file. Simply download it, make it executable, and run it. ## pip installation Dafne can also be installed with pip `pip install dafne` # Citing If you are writing a scientific paper, and you used Dafne for your data evaluation, please cite the following paper: > Santini F, Wasserthal J, Agosti A, et al. *Deep Anatomical Federated Network (Dafne): an open client/server framework for the continuous collaborative improvement of deep-learning-based medical image segmentation*. 2023 doi: [10.48550/arXiv.2302.06352](https://doi.org/10.48550/arXiv.2302.06352). # Notes for developers ## dafne Run: `python dafne.py <path_to_dicom_img>` ## Notes for the DL models ### Apply functions The input of the apply function is: ``` dict({ 'image': np.array (2D image) 'resolution': sequence with two elements (image resolution in mm) 'split_laterality': True/False (indicates whether the ROIs should be split in L/R if applicable) 'classification': str - The classification tag of the image (optional, to identify model variants) }) ``` The output of the classifier is a string. The output of the segmenters is: ``` dict({ roi_name_1: np.array (2D mask), roi_name_2: ... }) ``` ### Incremental learn functions The input of the incremental learn functions are: ``` training data: dict({ 'resolution': sequence (see above) 'classification': str (see above) 'image_list': list([ - np.array (2D image) - np.array (2D image) - ... ]) }) training outputs: list([ - dict({ roi_name_1: np.array (2D mask) roi_name_2: ... }) - dict... ``` Every entry in the training outputs list corresponds to an entry in the image_list inside the training data. So `len(training_data['image_list']) == len(training_outputs)`. # Acknowledgments Input/Output is based on [DOSMA](https://github.com/ad12/DOSMA) - GPLv3 license Other packages required for this project are listed in requirements.txt

نیازمندی

مقدار	نام
-	h5py
-	numpy
-	scipy
-	matplotlib
-	pyqt5
-	nibabel
-	pydicom
-	dill
-	progress
-	appdirs
-	requests
-	scikit-image
-	muscle-bids
>=1.3a0	dafne-dl
>=0.0.6	flexidep
-	importlib-resources

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl dafne-1.3a3:

pip install dafne-1.3a3.whl

نصب پکیج tar.gz dafne-1.3a3:

pip install dafne-1.3a3.tar.gz