MIC-DKFZ/batchgenerators

해결하는 문제

이 패키지는 포괄적인 데이터 증강 프레임워크를 제공하며, 특히 많은 기존 프레임워크에서 부족한 3D 입력 데이터 지원 문제를 해결합니다. 연조직 변형 및 다중 모달 영상의 오정렬을 포함한 다양한 실제 데이터 변화를 시뮬레이션하여 모델의 견고성과 성능을 향상시킵니다.

작동 방식

사용자는 DataLoaderBase 클래스를 상속받아 generate_train_batch 함수를 구현하여 원하는 증강 작업을 쌓을 수 있습니다. 시스템은 데이터를 위해 간단한 Python 딕셔너리 구조를 사용하며, data 키가 필수이고 세그멘테이션을 위해 seg 키를 사용할 수 있습니다(공간 변환이 둘 다에 적용되도록 보장). 성능 최적화를 위해 병렬 처리를 위한 MultiThreadedAugmenter를 포함하며, 더 빠른 프로세스 간 통신을 위해 numpy 배열을 PyTorch 텐서로 변환하는 기능을 지원합니다.

대상 사용자

2D 및 3D 영상 데이터를 다루는 연구원 및 개발자, 특히 의료 영상 컴퓨팅 및 컴퓨터 비전 분야에서 강력한 데이터 증강 파이프라인이 필요한 분들을 위해 설계되었습니다.

주요 특징

• 3D 지원: 2D 및 3D 입력 데이터와 완벽하게 호환됩니다.
• 다양한 증강 기능: 공간(탄성 변형, 회전), 색상(밝기, 대비), 노이즈(가우시안, 라이스) 변환을 포함합니다.
• 의료 AI 전문 도구: 연조직 시뮬레이션을 위한 해부학적 정보 기반 증강 및 다중 모달 영상을 위한 오정렬 증강 기능을 제공합니다.
• 성능 최적화: 멀티스레드 증강기와 GPU 데이터 전송을 가속화하기 위한 고정 메모리(pinned memory)를 지원합니다.