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
2021-11-08 17:20:29
127.7MB
Python
1