Cellseg Sribd

🚀 セルセグメンテーションモデル (cell-seg-sribd)

このリポジトリは、NeurIPS-CellSeg ChallengeにおけるSribd-medチームの解決策を提供しています。当チームの手法の詳細は、論文 [Multi-stream Cell Segmentation with Low-level Cues for Multi-modality Images] で説明されています。コードの一部は、NeurIPS-CellSeg-Baselineリポジトリのベースラインコードから引用されています。

🚀 クイックスタート

以下の手順で当モデルの再現が可能です。

環境と要件のインストール

python -m pip install -r requirements.txt

✨ 主な機能

• 細胞セグメンテーションの高精度な解決策を提供します。
• マルチモダリティ画像に対応しています。

📦 インストール

必要なパッケージをインストールするには、以下のコマンドを実行します。

python -m pip install -r requirements.txt

💻 使用例

基本的な使用法

from skimage import io, segmentation, morphology, measure, exposure
from sribd_cellseg_models import MultiStreamCellSegModel,ModelConfig
import numpy as np
import tifffile as tif
import requests
import torch
from PIL import Image
from overlay import visualize_instances_map
import cv2
img_name = 'test_images/cell_00551.tiff'

def normalize_channel(img, lower=1, upper=99):
    non_zero_vals = img[np.nonzero(img)]
    percentiles = np.percentile(non_zero_vals, [lower, upper])
    if percentiles[1] - percentiles[0] > 0.001:
        img_norm = exposure.rescale_intensity(img, in_range=(percentiles[0], percentiles[1]), out_range='uint8')
    else:
        img_norm = img
    return img_norm.astype(np.uint8)
if img_name.endswith('.tif') or img_name.endswith('.tiff'):
    img_data = tif.imread(img_name)
else:
    img_data = io.imread(img_name)
        # normalize image data
if len(img_data.shape) == 2:
    img_data = np.repeat(np.expand_dims(img_data, axis=-1), 3, axis=-1)
elif len(img_data.shape) == 3 and img_data.shape[-1] > 3:
    img_data = img_data[:,:, :3]
else:
    pass
pre_img_data = np.zeros(img_data.shape, dtype=np.uint8)
for i in range(3):
    img_channel_i = img_data[:,:,i]
    if len(img_channel_i[np.nonzero(img_channel_i)])>0:
        pre_img_data[:,:,i] = normalize_channel(img_channel_i, lower=1, upper=99)
#dummy_input = np.zeros((512,512,3)).astype(np.uint8)
my_model = MultiStreamCellSegModel.from_pretrained("Lewislou/cellseg_sribd")
checkpoints = torch.load('model.pt')
my_model.__init__(ModelConfig())
my_model.load_checkpoints(checkpoints)
with torch.no_grad():
    output = my_model(pre_img_data)
overlay = visualize_instances_map(pre_img_data,star_label)
cv2.imwrite('prediction.png', cv2.cvtColor(overlay, cv2.COLOR_RGB2BGR))

📚 ドキュメント

学習データ

コンペティションの学習データとチューニングデータは、以下のリンクからダウンロードできます。 https://neurips22-cellseg.grand-challenge.org/dataset/

また、以下のリンクから3つの公開データをダウンロードできます。

• Cellpose: https://www.cellpose.org/dataset
• Omnipose: http://www.cellpose.org/dataset_omnipose
• Sartorius: https://www.kaggle.com/competitions/sartorius-cell-instance-segmentation/overview

📄 ライセンス

このプロジェクトは、Apache-2.0ライセンスの下で公開されています。

📚 引用

このコードの一部を使用する場合は、適切に引用し、以下の論文を引用してください。

@misc{
lou2022multistream,
title={Multi-stream Cell Segmentation with Low-level Cues for Multi-modality Images},
author={WEI LOU and Xinyi Yu and Chenyu Liu and Xiang Wan and Guanbin Li and Siqi Liu and Haofeng Li},
year={2022},
url={https://openreview.net/forum?id=G24BybwKe9}
}