Downloads: 1
65 lines (63 with data), 7.1 kB
o
·°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) úJc:\Users\zafry\Downloads\bone_paper_codes\bone_paper_codes\predict_funs.pyÚ drawContour/ s
"r+ c C s6 t t | |¡¡}t | ¡t |¡ | d }|| S )Nç:0âyE>)r ÚsumÚ bitwise_and)ÚpmÚgtr& Úbr) r) r* ÚIOU> s r2 ©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¡}|jdkr,| ddd¡}| |¡ |¡ | S )N)ÚdtypeÚdevicer r )ÚtorchÚ as_tensorr5 r6 ÚndimÚviewÚmul_Úadd_)ÚtensorÚmeanÚstdr) r) r* Úinverse_normalizeD s
r@ é c C sZ t jdtd}t| |\}}td|d D ]}t ||k¡}t|d |k r*d| |< q| 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 rB ©r5 r r )r ÚonesÚintr ÚrangeÚwhereÚlen)Zarray_2dÚmin_sizeÚ structureZlabeledÚ ncomponentsÚiÚ locationsr) r) r* Úremove_small_objectsP s rN c C s |j \}}}}t |||f¡}t|D ]0}| | }|D ]'} t| d t| d t| d t| d f\}
} } }
d||| |
|
|
f< qq|S )Nr r é rB )Úshaper7 ÚzerosrF rE )ÚboxesÚimgsr1 r( ÚwÚhZbox_maskÚkZk_boxÚboxÚx1Úy1Úx2Úy2r) r) r* Úcreate_box_maskd s 4þr\ c C s6 dt dt| | ¡ d }| d¡ |¡j ¡ S )Nr g{®Gáz?r )ÚroundÚfloatÚnumelÚreshapeÚkthvalueÚvaluesÚitem)r= Ú
percentilerV r) r) r* Útorch_percentileq s re c C s G dd d}ddd}dd
d }t |d d g¡}| jd
}t d¡}|| } | j} t | d¡} || ¡ } t d¡ || }
W d n1 sKw Y 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 rf rg )rh Úxr) r) r* Ú__call__| s z,pred_attention.<locals>.Normalize3D.__call__N)Ú__name__Ú
__module__Ú __qualname__Ú__doc__ri rk r) r) r) r* Ú Normalize3Dv s rp ç©?r çü©ñÒMbP?c S sl || }d| d| }| |k}|| k | |k@ }| |k}| | | | |< | | | | | | |< d| |< | S )Nr r r) ) ÚprobZx_thresZy_thresÚepsZgrad_1Zgrad_2Úmask_epsZmask_1Zmask_2r) r) r* Ú prob_rescale s z$pred_attention.<locals>.prob_rescalerO ç¹?c S s0 | |k}d| |< t j| |d}|t |¡d S )Nr )Úaxisr, )r r- Úmax)Ú mask_volumerx rt ru Ú attentionr) r) r* Úview_attention_2d s z)pred_attention.<locals>.view_attention_2dg à?rB )é@ r} r} r Fr} é )rq r rr )rO rw )r ÚComposerP ÚtioÚResizeÚdatar7 Ú unsqueezer^ Úset_grad_enabledÚsigmoidÚdetachÚcpuÚnumpyrE ry Úminr Úsqueeze)ÚimageZvnetÚslice_idrp rv r| Znorm_transformZ depth_imageÚresizeÚ image_tensorZ pred_maskZslice_id_reshapeÚ slice_minÚ slice_maxr) r) r* Úpred_attentionu s*
ÿ
ÿ
4r c C s | j | j ¡ d | _ | j}|r ||kr tj|dd}|| } | j d } | jd }|d ur4||kr3d}n|d }| d d
d d
|f }tj|| ¡ | ¡ | ¡ d d tj d }t
|d d
d d
d f g d
¢¡} t | d ¡}
|
¡ } t d ¡|
}
t t ¡ g¡} | |
}
t|
}
|
¡ d
k rtjjdd|
}
t tjg d¢g d¢d|
d¡}
t ¡ > | |
¡}|jd d d d\}}|d urË| ||¡}|j ||j ¡ ||dd\}}|d d
dd d
d d
f }W d n1 sòw Y t |
¡ d }|||| |fS )Ng ð?Únearest)Úimage_interpolationr rO r gñhãµøä>éÿ rC )r r rB r$ )é r rw r )Úgammar3 r4 rg )ÚpointsrR ÚmasksT)Úimage_embeddingsÚimage_peÚsparse_prompt_embeddingsÚdense_prompt_embeddingsÚmultimask_outputr )!r ry Úspacingr ÚResamplerP r Úarrayr r Útiler
Ú fromarrayr r r r ÚToTensorÚmin_max_normalizer> ÚmonaiZAdjustContrastr7 r Ú NormalizeÚno_gradÚ
image_encoderÚprompt_encoderr Ú mask_decoderÚ get_dense_per@ r )Z image_volÚmodelr Útarget_spacingZ atten_mapZ
voxel_spacingÚresampleÚ slice_numZimg_arrZimg_3cÚimgZPil_imgZ
transform_imgrS Úimg_embÚ
sparse_embÚ dense_embÚpredr( Zori_imgr) r) r* Ú evaluate_1_volume_withattention¦ sT
0" ÿ "
û órµ )r )r3 r4 )rA )NNN)EÚsysÚpathÚappendÚ
models.samr r Zmodels.sam.utils.transformsr Ú"models.sam.modeling.prompt_encoderr ÚpandasÚpdÚskimage.measurer r r Úosr7 r Z torch.optimÚoptimÚ torchvisionr Úmatplotlib.pyplotÚpyplotÚpltr ÚPILr
Útorch.utils.datar r Ztorch.autogradr
r Z dataset_boner Ztorch.nn.functionalÚ
functionalÚFr Úpathlibr r Úlossesr Údscr r Útorchior ZslicerioÚpickleÚnrrdr¥ ÚcfgÚfuncsÚ
parse_argsÚargsÚmonai.networks.netsr r+ r2 r@ rN r\ re r rµ r) r) r) r* Ú<module> s^
1