इस ट्यूटोरियल में, हम प्रदर्शित करते हैं कि Google Colab में ओपन-सोर्स लाइब्रेरी का उपयोग करके एक प्रोटोटाइप एक्स-रे निर्णय टूल का निर्माण कैसे करें। एक इंटरैक्टिव उपयोगकर्ता इंटरफ़ेस बनाने के लिए पूर्व-प्रशिक्षित डेनसेनेट मॉडल और ग्रैडियो लोड करने के लिए टॉर्चएक्सरेविज़न की शक्ति का लाभ उठाकर, हम दिखाते हैं कि न्यूनतम सेटअप के साथ छाती एक्स-रे छवियों को कैसे संसाधित और वर्गीकृत किया जाए। यह नोटबुक आपको छवि प्रीप्रोसेसिंग, मॉडल इंट्रेंस, और परिणाम व्याख्या के माध्यम से मार्गदर्शन करता है, सभी बाहरी एपीआई कुंजियों या लॉगिन की आवश्यकता के बिना कोलाब पर मूल रूप से चलाने के लिए डिज़ाइन किए गए हैं। कृपया ध्यान दें कि यह डेमो केवल शैक्षिक उद्देश्यों के लिए है और इसे पेशेवर नैदानिक निदान के विकल्प के रूप में उपयोग नहीं किया जाना चाहिए।
!pip install torchxrayvision gradioसबसे पहले, हम एक इंटरैक्टिव इंटरफ़ेस बनाने के लिए एक्स-रे विश्लेषण और ग्रैडियो के लिए टॉर्चएक्सरेविज़न लाइब्रेरी स्थापित करते हैं।
import torch
import torchxrayvision as xrv
import torchvision.transforms as transforms
import gradio as grहम गहरे सीखने के संचालन के लिए Pytorch आयात करते हैं, X, Ray विश्लेषण के लिए TorchxRayvision, Torchvision के Image Preprocessing के लिए रूपांतरण, और एक इंटरैक्टिव UI के निर्माण के लिए ग्रेडियो।
model = xrv.models.DenseNet(weights="densenet121-res224-all")
model.eval() फिर, हम “densenet121-res224-All” वेट का उपयोग करके एक पूर्व-प्रशिक्षित डेनसेनेट मॉडल को लोड करते हैं और इसे अनुमान के लिए मूल्यांकन मोड पर सेट करते हैं।
try:
pathology_labels = model.meta("labels")
print("Retrieved pathology labels from model.meta.")
except Exception as e:
print("Could not retrieve labels from model.meta. Using fallback labels.")
pathology_labels = (
"Atelectasis", "Cardiomegaly", "Consolidation", "Edema",
"Emphysema", "Fibrosis", "Hernia", "Infiltration", "Mass",
"Nodule", "Pleural Effusion", "Pneumonia", "Pneumothorax", "No Finding"
)
अब, हम मॉडल के मेटाडेटा से पैथोलॉजी लेबल को पुनः प्राप्त करने का प्रयास करते हैं और यदि पुनर्प्राप्ति विफल हो जाते हैं तो एक पूर्वनिर्धारित सूची में वापस आ जाते हैं।
def classify_xray(image):
try:
transform = transforms.Compose((
transforms.Resize((224, 224)),
transforms.Grayscale(num_output_channels=1),
transforms.ToTensor()
))
input_tensor = transform(image).unsqueeze(0) # add batch dimension
with torch.no_grad():
preds = model(input_tensor)
pathology_scores = preds(0).detach().numpy()
results = {}
for idx, label in enumerate(pathology_labels):
results(label) = float(pathology_scores(idx))
sorted_results = sorted(results.items(), key=lambda x: x(1), reverse=True)
top_label, top_score = sorted_results(0)
judgement = (
f"Prediction: {top_label} (score: {top_score:.2f})nn"
f"Full Scores:n{results}"
)
return judgement
except Exception as e:
return f"Error during inference: {str(e)}"यहां, इस फ़ंक्शन के साथ, हम एक इनपुट एक्स-रे छवि को प्रीप्रोसेस करते हैं, पूर्व-प्रशिक्षित मॉडल का उपयोग करके अनुमान लगाते हैं, पैथोलॉजी स्कोर निकालते हैं, और त्रुटियों को संभालते हुए शीर्ष भविष्यवाणी और सभी स्कोर का एक स्वरूपित सारांश वापस करते हैं।
iface = gr.Interface(
fn=classify_xray,
inputs=gr.Image(type="pil"),
outputs="text",
title="X-ray Judgement Tool (Prototype)",
description=(
"Upload a chest X-ray image to receive a classification judgement. "
"This demo is for educational purposes only and is not intended for clinical use."
)
)
iface.launch()
अंत में, हम एक ग्रैडियो इंटरफ़ेस का निर्माण और लॉन्च करते हैं जो उपयोगकर्ताओं को छाती एक्स-रे छवि अपलोड करने देता है। Classify_xray फ़ंक्शन एक नैदानिक निर्णय को आउटपुट करने के लिए छवि को संसाधित करता है।
उपकरण के लिए ग्रेडियो इंटरफ़ेस
इस ट्यूटोरियल के माध्यम से, हमने एक इंटरैक्टिव एक्स-रे निर्णय उपकरण के विकास की खोज की है जो उपयोगकर्ता के अनुकूल इंटरफ़ेस के साथ उन्नत गहरी शिक्षण तकनीकों को एकीकृत करता है। अंतर्निहित सीमाओं के बावजूद, जैसे कि मॉडल नैदानिक निदान के लिए ठीक-ठाक नहीं किया जा रहा है, यह प्रोटोटाइप मेडिकल इमेजिंग अनुप्रयोगों के साथ प्रयोग करने के लिए एक मूल्यवान प्रारंभिक बिंदु के रूप में कार्य करता है। हम आपको इस नींव पर निर्माण करने के लिए प्रोत्साहित करते हैं, वास्तविक दुनिया के उपयोग के लिए चिकित्सा मानकों के कठोर सत्यापन और पालन के महत्व को देखते हुए।
यह रहा कोलैब नोटबुक। इसके अलावा, हमें फॉलो करना न भूलें ट्विटर और हमारे साथ जुड़ें तार -चैनल और लिंक्डइन जीआरओयूपी। हमारे साथ जुड़ने के लिए मत भूलना 85K+ एमएल सबरेडिट।
Asif Razzaq MarkTechPost Media Inc के सीईओ हैं .. एक दूरदर्शी उद्यमी और इंजीनियर के रूप में, ASIF सामाजिक अच्छे के लिए कृत्रिम बुद्धिमत्ता की क्षमता का उपयोग करने के लिए प्रतिबद्ध है। उनका सबसे हालिया प्रयास एक आर्टिफिशियल इंटेलिजेंस मीडिया प्लेटफॉर्म, मार्कटेकपोस्ट का शुभारंभ है, जो मशीन लर्निंग और डीप लर्निंग न्यूज के अपने गहन कवरेज के लिए खड़ा है, जो तकनीकी रूप से ध्वनि और आसानी से एक व्यापक दर्शकों द्वारा समझ में आता है। मंच 2 मिलियन से अधिक मासिक विचारों का दावा करता है, दर्शकों के बीच अपनी लोकप्रियता को दर्शाता है।
