【代码已开源】基于Python的全切片(WSI)染色归一化工具，实现了reinhard, macenko, vahadane共三种方法-Toy模板网

这篇具有很好参考价值的文章主要介绍了【代码已开源】基于Python的全切片(WSI)染色归一化工具，实现了reinhard, macenko, vahadane共三种方法。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

基于Python的全切片(WSI)染色归一化工具，实现了reinhard, macenko, vahadane共三种方法

为了应对数字病理切片受到不同中心、不同扫描设备的影响，先后有不同的研究提出了针对病理图像的染色归一化（stain normalization）方法。本仓库对三种染色归一化方式进行了封装，针对常见的病理图片处理流程实现了染色归一化工具

仓库地址

https://github.com/HaoyuCui/WSI_Normalizer

支持以下主流染色归一化方法

Reinhard Reinhard, Erik, et al. “Color transfer between images.” IEEE Computer graphics and applications 21.5 (2001): 34-41.
Macenko Macenko, Marc, et al. “A method for normalizing histology slides for quantitative analysis.” 2009 IEEE international symposium on biomedical imaging: from nano to macro. IEEE, 2009.
Vahadane Vahadane, Abhishek, et al. “Structure-preserving color normalization and sparse stain separation for histological images.” IEEE transactions on medical imaging 35.8 (2016): 1962-1971.

安装

克隆本仓库

git clone https://github.com/HaoyuCui/WSI_Normalizer.git

进入到根目录，激活虚拟环境，运行 pip install -r requirements.txt 安装依赖文件

运行

在运行前，确保在原始文件夹这样组织patch块（后缀名支持.png,.jpg和.jpeg）

├── data
│   ├── slide_1
│   │   ├── patch_1.png
│   │   ├── patch_2.png
│   │   ├── ...
│   ├── slide_2
│   │   ├── patch_1.png
│   │   ├── patch_2.png
│   │   ├── ...
│   ├── ...
│   └── slide_n
│       ├── ...
│       └── patch_n.png

然后，修改以下参数
<TARGET FOLDER> 原始文件夹，存储了以上述树状格式组织的patch块
<OUTPUT FOLDER> 输出文件夹
<NORM METHOD> 染色归一化方法，请确保参数位于reinhard, macenko, vahadane中
<TARGET IMAGE> 染色参考图片（可以是数据集中的一员）

然后运行
```
python main.py --target_dir <TARGET FOLDER> --output_dir <OUTPUT FOLDER> --method <NORM METHOD> --target_img <TARGET IMAGE>
```
程序将会在<OUTPUT FOLDER>自动生成与 <TARGET FOLDER> 一致的目录结构
本仓库提供了一个示例脚本，可供直接运行：
```
python main.py --target_dir eg/origin --output_dir eg/norm --method vahadane --target_img eg/standard.jpg
```
运行结果如下：

如果有问题，欢迎联系我。
欢迎点赞和收藏，转载请注明出处，谢谢！文章来源地址https://www.toymoban.com/news/detail-781066.html