Downloads: 1
68 lines (65 with data), 7.0 kB
B
Ô®eL ã @ sê d dl Z e j d¡ d dlmZmZ d dlmZ d dlm Z d dl
Z d dl m
Z
d dlZd dlZd dlZd dlmZ d dlmZ d dlZd dlmZ d dlmZ d d lmZ d d
lm Z d d l m Z m Z d d l m!Z! d dlmZ d dl"Z"d d
l#m$Z$ d dl%m m&Z' d dl%m(Z( d dl)m*Z* d dl+m+Z+ d dl,m-Z- d dl.m/Z/ d dl0Z0d dl1Z2d dl3Z3d dl4Z4d dl5Z5d dlZd dl6Z6d dl7Z7d dl8T e7 9¡ Z:d dl;m<Z< d)ddZ=dd Z>d*d d Z?d+d d Z@d!d" ZAd#d$ ZBd%d& ZCd,d'd(ZDdS )-é Nz../)Ú SamPredictorÚsam_model_registry)ÚResizeLongestSide)Úattention_fusion)Úlabel)Únn)Údatasets)Ú
transforms)ÚImage)Ú
DataLoaderÚSubset)ÚVariable)Ú MRI_dataset)Úone_hot)ÚPath)Útqdm)ÚDiceLoss)Ú
dice_coeff)Ú*)ÚVNetçé?c C s\ t t |¡t jt j¡\}}| ¡ }t | |d||¡ t t | ¡|t |¡d| d¡} | S )zKDraw edges of contour 'c' from segmented image 's' onto 'm' in colour 'RGB'éÿÿÿÿé r ) Úcv2Ú findContoursÚnpÚuint8Ú RETR_LISTÚCHAIN_APPROX_SIMPLEÚcopyÚ drawContoursÚ addWeighted)ÚmÚsÚRGBÚsizeÚaÚcontoursÚ_Zm_old© r) úI/Users/hanxuegu/Documents/Documents/bone/bone_paper_codes/predict_funs.pyÚ drawContour/ s
"r+ c C s6 t t | |¡¡}t | ¡t |¡ | d }|| S )Ng:0âyE>)r ÚsumÚ bitwise_and)ÚpmÚgtr& Úbr) r) r* ÚIOU> s r1 ©g
×£p=
ß?gÉv¾/Ý?gClçûÙ?©g Zd;ßOÍ?gyé&1¬Ì?gÍÌÌÌÌÌÌ?c C sl t j|| j| jd}t j|| j| jd}|jdkr@| ddd¡}|jdkrX| ddd¡}| |¡ |¡ | S )N)ÚdtypeÚdevicer r )ÚtorchÚ as_tensorr4 r5 ÚndimÚviewÚmul_Úadd_)ÚtensorÚmeanÚstdr) r) r* Úinverse_normalizeD s
r? é c C s^ t jdtd}t| |\}}x<td|d D ]*}t ||k¡}t|d |k r,d| |< q,W | S )zÏ
Removes small objects from a 2D array using only NumPy.
:param array_2d: Input 2D array.
:param min_size: Minimum size of objects to keep.
:return: 2D array with small objects removed.
)é rA )r4 r r )r ÚonesÚintr ÚrangeÚwhereÚlen)Zarray_2dÚmin_sizeÚ structureÚlabeledÚ ncomponentsÚiÚ locationsr) r) r* Úremove_small_objectsP s rM c C s |j \}}}}t |||f¡}xpt|D ]d}| | }xV|D ]N} t| d t| d t| d t| d f\}
} } }
d||| |
|
|
f< q:W q(W |S )Nr r é rA )Úshaper6 ÚzerosrD rC )ÚboxesÚimgsr0 r( ÚwÚhZbox_maskÚkZk_boxÚboxÚx1Úy1Úx2Úy2r) r) r* Úcreate_box_maskd s
4 r[ c C s6 dt dt| | ¡ d }| d¡ |¡j ¡ S )Nr g{®Gáz?r )ÚroundÚfloatÚnumelÚreshapeÚkthvalueÚvaluesÚitem)r< Ú
percentilerU r) r) r* Útorch_percentileq s rd c C s G dd d}ddd}dd
d }t |d d g¡}| jd
}t d¡}|| } | j} t | d¡} || ¡ } t d¡ || }
W d Q R X t
|
¡}
|
¡ ¡
¡ }
t|d | } t| d d} t| d d}
||t |
d d
d d
d d
d d
| |
f ¡S )Nc @ s e Zd ZdZdd Zdd ZdS )z#pred_attention.<locals>.Normalize3Dz>Normalize a tensor to a specified mean and standard deviation.c S s || _ || _d S )N)r= r> )Úselfr= r> r) r) r* Ú__init__x s z,pred_attention.<locals>.Normalize3D.__init__c S s || j | j S )N)r= r> )re Úxr) r) r* Ú__call__| s z,pred_attention.<locals>.Normalize3D.__call__N)Ú__name__Ú
__module__Ú __qualname__Ú__doc__rf rh r) r) r) r* Ú Normalize3Dv s rm ç©?çé?çü©ñÒMbP?c S sl || }d| d| }| |k}|| k | |k@ }| |k}| | | | |< | | | | | | |< d| |< | S )Nr r r) ) ÚprobZx_thresZy_thresÚepsZgrad_1Zgrad_2Úmask_epsÚmask_1Úmask_2r) r) r* Ú prob_rescale s z$pred_attention.<locals>.prob_rescalerN ç¹?c S s0 | |k}d| |< t j| |d}|t |¡d S )Nr )Úaxisg:0âyE>)r r, Úmax)Ú mask_volumerx rr rs Ú attentionr) r) r* Úview_attention_2d s z)pred_attention.<locals>.view_attention_2dg à?rA )é@ r} r} r Fr} é )rn ro rp )rN rw )r ÚComposerO ÚtioÚResizeÚdatar6 Ú unsqueezer] Úset_grad_enabledÚsigmoidÚdetachÚcpuÚnumpyrC ry Úminr Úsqueeze)ÚimageÚvnetÚslice_idrm rv r| Znorm_transformZ depth_imageÚresizeÚ image_tensorÚ pred_maskZslice_id_reshapeÚ slice_minÚ slice_maxr) r) r* Úpred_attentionu s&
r c C s | j | j ¡ d | _ | j}|r>||kr>tj|dd}|| } | j d } | jd }|d k rh||krpd}n|d }| d d
d d
|f }tj|| ¡ | ¡ | ¡ d d tj d }t
|d d
d d
d f d
d
d g¡} t | d ¡}
|
¡ } t d
¡|
}
t t ¡ g¡} | |
}
t|
}
|
¡ dk r<tjjdd|
}
t tjdddgdddgd|
d¡}
t ¡ t | |
¡}|jd d d d\}}|d k r | ||¡}|j ||j ¡ ||dd\}}|d d
d
d d
d d
f }W d Q R X t |
¡ d }|||| |fS )Ng ð?Únearest)Úimage_interpolationr rN r gñhãµøä>éÿ )r4 r rA r$ )i i g¹?gé?)Úgammag
×£p=
ß?gÉv¾/Ý?gClçûÙ?g Zd;ßOÍ?gyé&1¬Ì?gÍÌÌÌÌÌÌ?)r= r> )ÚpointsrQ ÚmasksT)Úimage_embeddingsÚimage_peÚsparse_prompt_embeddingsÚdense_prompt_embeddingsÚmultimask_output)!r ry Úspacingr ÚResamplerO r Úarrayr r Útiler
Ú fromarrayr r r r ÚToTensorÚmin_max_normalizer= ÚmonaiÚAdjustContrastr6 r Ú NormalizeÚno_gradÚ
image_encoderÚprompt_encoderr Ú mask_decoderÚ get_dense_per? r )Z image_volÚmodelr Útarget_spacingÚ atten_mapZ
voxel_spacingÚresampleÚ slice_numÚimg_arrÚimg_3cÚimgZPil_imgÚ
transform_imgrR Úimg_embÚ
sparse_embÚ dense_embÚpredr( Zori_imgr) r) r* Ú evaluate_1_volume_withattention¦ sL
0$ &
&r» )r )r2 r3 )r@ )NNN)EÚsysÚpathÚappendÚ
models.samr r Úmodels.sam.utils.transformsr Ú"models.sam.modeling.prompt_encoderr ÚpandasÚpdÚskimage.measurer r r Úosr6 r Ú torch.optimÚoptimÚ torchvisionr Úmatplotlib.pyplotÚpyplotÚpltr ÚPILr
Útorch.utils.datar r Útorch.autogradr
r Ú dataset_boner Útorch.nn.functionalÚ
functionalÚFr Úpathlibr r Úlossesr Údscr r Útorchior ÚslicerioÚpickleÚnrrdr¦ ÚcfgÚfuncsÚ
parse_argsÚargsÚmonai.networks.netsr r+ r1 r? rM r[ rd r r» r) r) r) r* Ú<module> s\
1