endolas:内窥镜激光3D成像的关键点检测-源码

结构化光内窥镜中基于特征的图像配准 该存储库包含基于深度学习的图像配准，用于结构化光内窥镜检查。 该方法是通过使用喉部记录对激光投射的关键点（功能）进行分类而开发的。 该方法包含一个预处理步骤，在该步骤中执行语义分割以定位关键点。 然后执行图像配准，以将不规则放置的关键点转换为规则放置的图案。 在后处理步骤中，使用最近邻居方法和排序算法对各个关键点进行分类。 实现驻留在包endolas（内镜检查+拉斯ER）和示范在演示提供。 此外，该数据集LASTEN，其用于训练和评估在数据中给出。 安装 下载资源库。 激活所需的python环境，该环境至少包含Python 3.7。 在存储库中，使用以下命令运行setup.py： pip install . 现在，将endolas软件包安装在您的环境中，包括资源和其他必需的软件包。 演示版 管道可以根据图像对关键点进行预测，方法如下： 'jupy