MIC-DKFZ/batchgenerators

解决的问题

它提供了一个全面的数据增强框架，特别解决了许多现有框架对 3D 输入数据支持不足的问题。它通过模拟各种现实世界的数据变化（包括软组织变形和多模态图像错位）来帮助提高模型的稳健性和性能。

运作方式

用户继承 DataLoaderBase 类并实现 generate_train_batch 函数来堆叠所需的数据增强功能。系统使用简单的 Python 字典结构来处理数据，其中必须包含 data 键，并可使用 seg 键进行分割（确保空间转换同时应用于两者）。为了优化性能，它包含了一个用于并行处理的 MultiThreadedAugmenter，并支持将 numpy 数组转换为 PyTorch 张量，以实现更快的进程间通信。

目标对象

它专为处理 2D 和 3D 图像数据的研究人员和开发人员而设计，特别是那些在医学图像计算和计算机视觉领域需要强大数据增强流水线的人员。

特色亮点

• 3D 支持：与 2D 和 3D 输入数据完全兼容。
• 多样化的增强功能：包含空间（弹性变形、旋转）、颜色（亮度、对比度）和噪声（高斯、莱斯）转换。
• 专业医学 AI 工具：具备用于软组织模拟的解剖学信息增强功能，以及用于多模态图像的错位增强功能。
• 性能优化：包含多线程增强器并支持锁页内存 (pinned memory)，以加速 GPU 数据传输。