- Repositório do projeto "Análise de Imagens Médicas Usando Aprendizado Profundo" que pode ser acessado em http://www.informatica.ufes.br/pt-br/pos-graduacao/PPGI/detalhes-do-projeto?id=9678.
Para mais informações envie um e-mail para [email protected] ou [email protected]
English version (Page under construction)
- Repository of the project "Analysis of Medical Images Using Deep Learning" which can be accessed at http://www.informatica.ufes.br/pt-br/pos-graduacao/PPGI/detalhes-do-projeto?id=9678.
For more information, send an email to [email protected] or [email protected]
- Ubuntu 16.04 LTS / 64bits
- Python 3.5.2
- Pip3
- Página oficial do Pip - https://pypi.org/project/pip/
- VirtualEnv
- Aconselhamos que utilize o VirtualEnv e crie um ambiente virtual específico para rodar esse projeto.
- Utilize o python3 para criar o ambiente virtual.
$ virtualenv -p /usr/bin/python3.5 ~/breast_cancer
- Aqui tem um tutorial bem legal sobre o VirtualEnv
- Página oficial do VirtualEnv - https://pypi.org/project/virtualenv/
- Aconselhamos que utilize o VirtualEnv e crie um ambiente virtual específico para rodar esse projeto.
- Git
-
Clone esse repositório para seu computador
- Escolha o diretório onde deseja colocar o projeto e acesso o mesmo via terminal
$ git clone https://github.com/LCAD-UFES/breast_cancer_analyzer_LCAD.git
-
Faça o download dos arquivos abaixo:
- Base CBIS-DDSM convertida em PNG (Arquivo CALC_CC_flipped_dataset.tar.gz)
- Base gerada manualmente (Arquivo manual_cropped_dataset.tar.gz)
- Descompactar os arquivos para breast_cancer_analyzer_LCAD/dataset/
- Você pode usar a interface para fazer a descompactação dos arquivos.
- Ou, pelo terminal:
Acesse via terminal a pasta aonde você salvou os arquivos e execute o comando abaixo.
Comando em uma linha
Ou
$ tar -zxvf CALC_CC_flipped_dataset.tar.gz && tar -zxvf manual_cropped_dataset.tar.gz
$ tar -zxvf CALC_CC_flipped_dataset.tar.gz $ tar -zxvf manual_cropped_dataset.tar.gz
-
Via terminal, ative o ambiente virtual criado e acesse na pasta do projeto.
$ source ~/breast_cancer/bin/activate $ cd breast_cancer_analyzer_LCAD
- Utilize o pip para instalar o requisitos necessários para rodar o projeto
$ pip install --no-cache -r requirements.txt
-
Acesse o README do módulo ou rede que deseja utilizar.
Contém os scripts utilizados para treinar, validar e testar a rede neural SqueezeNet.
Acesse o readme em /src/squeezeNet/README.md ou clique aqui
ReadMe em contrução
Módulo criado para fazer a marcação manual das áreas de interesse.
Acesse o readme do módulo em /src/mammo_marker/README.md ou clique aqui
ReadMe em contrução
Módulo que contém os códigos criados para realizar diversos tipos de pré-processamentos nas imagens, antes delas serem analisadas pelas redes neurais.
Acesse o readme do módulo em /src/mammo_preprocessing/README.md ou clique aqui
ReadMe em contrução
Módulo de visualização simples, criado para apresentar os resultados iniciais obtidos através dos diversos treinos e ajustes feitos na redes neurais.
Acesse o readme do módulo em /src/mammo_viewer/README.md ou clique aqui
ReadMe em contrução
Contém os scripts utilizados para treinar, validar e testar a rede neural resNet.
Acesse o readme em /src/resNet/README.md ou clique aqui