MIC-DKFZ/batchgenerators

解決する課題

このパッケージは包括的なデータ拡張フレームワークを提供し、特に多くの既存フレームワークで不足している3D入力データへの対応を実現します。軟組織の変形やマルチモーダル画像の不整合など、現実世界の多様なデータ変化をシミュレートすることで、モデルの堅牢性とパフォーマンスを向上させます。

仕組み

ユーザーは DataLoaderBase クラスを継承し、generate_train_batch 関数を実装して必要な拡張処理をスタックします。システムはデータに対してシンプルなPython辞書構造を使用し、data キーが必須で、セグメンテーション用に seg キーを使用できます（空間変換が両方に適用されることを保証します）。パフォーマンスを最適化するため、並列処理用の MultiThreadedAugmenter を含んでおり、プロセス間通信を高速化するためにnumpy配列からPyTorchテンソルへの変換をサポートしています。

対象ユーザー

2Dおよび3D画像データを扱う研究者や開発者、特に医療画像コンピューティングやコンピュータビジョンの分野で堅牢なデータ拡張パイプラインを必要とする方に最適です。

主な特徴

• 3Dサポート: 2Dおよび3D入力データの両方に完全対応。
• 多様な拡張機能: 空間（弾性変形、回転）、色（明るさ、コントラスト）、ノイズ（ガウス、ライス）変換を含みます。
• 医療AI特化ツール: 軟組織シミュレーションのための解剖学的知識に基づいた拡張や、マルチモーダル画像のための不整合拡張機能を備えています。
• パフォーマンス最適化: マルチスレッド拡張機能と、GPUデータ転送を高速化するためのピン留めメモリ（pinned memory）をサポートしています。