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_texture_histology: Deep Texture Representations for Cancer Histology Images

ویژگی	مقدار
سیستم عامل	-
نام فایل	deeptexture-0.3.5
نام	deeptexture
نسخه کتابخانه	0.3.5
نگهدارنده	['Daisuke Komura']
ایمیل نگهدارنده	['kdais-prm@m.u-tokyo.ac.jp']
نویسنده	Daisuke Komura
ایمیل نویسنده	kdais-prm@m.u-tokyo.ac.jp
آدرس صفحه اصلی	https://github.com/dakomura/deep_texture_histology
آدرس اینترنتی	https://pypi.org/project/deeptexture/
مجوز	CC-BY-NC-SA 4.0

*************************************************************************************** deep_texture_histology : Tools for deep texture representation for histology images. *************************************************************************************** Overview ============== deep_texture_representation is a python library to calculate deep texture representations (DTRs) for histology images (Cell Reports, 2022). Fucntions for plotting the distribution of DTRs, content-based image retrieval, and supervised learning are also implemented. Installation ========================= The package can be installed with ``pip``: .. code:: console $ pip install deeptexture Conda environmental files including dependent libraries for various OS are available `here <https://github.com/dakomura/dtr_env>`_. To test the successful installation, .. code-block:: console $ git clone https://github.com/dakomura/deep_texture_histology $ cd deep_texture_histology $ python check_libraries_and_quick_test.py Prerequisites ============== Python version 3.6 or newer. * numpy * tensorflow * joblib * Pillow * nmslib * matplotlib * scikit-learn * seaborn * pandas * cv2 All the required libraries can be installed with conda yml files. See https://github.com/dakomura/dtr_env Recommended Environment ======================= * OS * Linux (both CPU and GPU version) * Mac (both CPU and GPU version for M1 and M2 chip) * Windows (both CPU and GPU version) License ======= This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC-BY-NC-SA 4.0) For non-commercial use, please use the code under CC-BY-NC-SA. If you would like to use the code for commercial purposes, please contact us <ishum-prm@m.u-tokyo.ac.jp>. Citation ======== If you use this library for your research, please cite: Komura, D., Kawabe, A., Fukuta, K., Sano, K., Umezaki, T., Koda, H., Suzuki, R., Tominaga, K., Ochi, M., Konishi, H., Masakado, F., Saito, N., Sato, Y., Onoyama, T., Nishida, S., Furuya, G., Katoh, H., Yamashita, H., Kakimi, K., Seto, Y., Ushiku, T., Fukayama, M., Ishikawa, S., "*Universal encoding of pan-cancer histology by deep texture representations.*" Cell Reports 38, 110424,2022. https://doi.org/10.1016/j.celrep.2022.110424 Documentation ============= `Documentation <https://deep-texture-histology.readthedocs.io/en/latest/>`_

نیازمندی

مقدار	نام
-	numpy
-	tensorflow
-	joblib
-	Pillow
-	nmslib
-	matplotlib
-	scikit-learn
-	seaborn
-	pandas
-	pyrsistent

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl deeptexture-0.3.5:

pip install deeptexture-0.3.5.whl

نصب پکیج tar.gz deeptexture-0.3.5:

pip install deeptexture-0.3.5.tar.gz