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-based tools for processing brain images

ویژگی	مقدار
سیستم عامل	-
نام فایل	deepbrain-0.1
نام	deepbrain
نسخه کتابخانه	0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Ivan Itzcovich
ایمیل نویسنده	i.itzcovich@gmail.com
آدرس صفحه اصلی	http://github.com/iitzco/deepbrain
آدرس اینترنتی	https://pypi.org/project/deepbrain/
مجوز	MIT

# DeepBrain > Brain image processing tools using Deep Learning focused on speed and accuracy. #### Available tools: ## Extractor ![img](./imgs/extractor.png) > Extract brain tissue from T1 Brain MRI (i.e skull stripping). `Extractor` runs a custom U-Net model trained on a variety of manual-verified skull-stripping datasets. ### Why choose `Extractor` over others (e.g. BET FSL, ANTs, PINCRAM)? 1. `Extractor` is **fast**. It's CNN was implemented on Tensorflow and carefully designed to be as small as possible (i.e. lower amount of parameters). See below for speed comparison. You can achieve < 2 second extraction on GPU. 2. Running `Extractor` is **easy**. You don't need to provide any complicated parameters (like brain templates or prior probability masks), just with the brain MRI is enough. This is because the model was trained with a data augmentation process that involved all kind of rotations and orientations of the brain MRI. This means that the extraction will be successfull regardless the orientation of the input brain MRI. No registration process is done. 3. `Extractor` is **accurate**. It does not fail in some cases where others (specially BET) fails. ### Speed Extractor CPU (i5 2015 MBP) | Extractor GPU (Nvidia TitanXP) :-------------------------:|:-------------------------: ~20 seconds | ~2 seconds ### Accuracy `Extractor` achieves state-of-the art accuracy > **0.97 Dice metric** on the test set that is compound with a subset of entries from the [CC359 dataset](https://sites.google.com/view/calgary-campinas-dataset/home), [NFBS dataset](http://preprocessed-connectomes-project.org/NFB_skullstripped/) and [ADNI dataset](http://doid.gin.g-node.org/aa605acf0f2335b9b8dfdb5c66e18f68/). ### How to run #### As command line program ```bash $ deepbrain-extractor -i brain_mri.nii.gz -o ~/Desktop/output/ ``` Where: * `-i`: the brain MRI that will be skull-stripped. It can be a `nii` or `nii.gz` image (or whatever format [nibabel](http://nipy.org/nibabel/) supports). * `-o`: an output directory (does not need to exist) where the program will save the `brain_mask.nii` and `brain.nii` files. See `deepbrain-extractor -h` for more information. #### As python ```python import nibabel as nb from deepbrain import Extractor # Load a nifti as 3d numpy image [H, W, D] img = nib.load(img_path).get_fdata() ext = Extractor() # `prob` will be a 3d numpy image containing probability # of being brain tissue for each of the voxels in `img` prob = ext.run(img) # mask can be obtained as: mask = prob > 0.5 ``` See `deepbrain-extractor -h` for more information.

نیازمندی

مقدار	نام
-	nibabel
-	scikit-image
-	tensorflow

زبان مورد نیاز

مقدار	نام
>3.5	Python

نحوه نصب

نصب پکیج whl deepbrain-0.1:

pip install deepbrain-0.1.whl

نصب پکیج tar.gz deepbrain-0.1:

pip install deepbrain-0.1.tar.gz