yolo_8_segment_brain_ischemia_msk - open source console application that designed for training and testing artificial neural networks (Yolo 8) on the tasks of identifying a brain region, localizing areas of ischemic damage, searching for clusters of mesenchymal stem cells

1. Install libs

a) PyTorch 2.2.2 or 2.3.1+:

pip3 install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 or

pip3 install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 or

pip3 install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124 or

pip3 install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

Warning:

• PyTorch 2.3.0 have bug that affects to Yolo 8.

• CPU inference is broken in PyTorch 2.4.0 (see ultralytics/ultralytics#15049). Use PyTorch 2.4.1 or an older version, such as PyTorch 2.3.1.

• It is recommended to train and test already trained neural networks on GPU, primarily because Ultralytics works slowly on CPU. If there is no graphics accelerator, You need to install the CPU build of PyTorch, otherwise You may encounter a BEX64 exception on the nvdxgdmal64.dll_unloaded event. An erroneously installed version of PyTorch can be removed using the command pip3 uninstall torch torchvision torchaudio.

b) Ultralytics ==8.0.205 or (>8.1.5 and <8.2.43):

pip3 install -U ultralytics==8.0.205 or

pip3 install -U ultralytics==8.1.6 or

...

pip3 install -U ultralytics==8.2.42

Scale bug in ultralytics 8.0.206-8.1.5 fixed by authors this project: https://github.com/ultralytics/ultralytics/commit/1a04cd38e7285969c0e4d827f4fbe52c834798ed

In version 8.2.43 and more new versions of the Ultralytics library, the order of obtaining segmentation masks was changed, the developers abandoned the use of sigmoid function, which affected the results of neural networks trained on an earlier version of the library, therefore it is recommended to either retrain our artificial neural networks, or use for tests Ultralytics library with version <8.2.43.

2. Load MRI_settings.zip and MRI_tests.zip:

MRI_settings.zip --- https://drive.google.com/file/d/15uKf4ayCEnhhBj73WTrgIHoAqWOzlhDh/view?usp=sharing or https://huggingface.co/alarmod/MRI_settings/blob/main/MRI_settings.zip

MRI_tests.zip --- https://drive.google.com/file/d/15to8SyUL6DXNHhYwYQR9KJZ4bDlC3Yyq/view?usp=sharing

3. Unpack full runs directory with commands:

powershell -command "Expand-Archive -Force MRI_settings.zip ./"

powershell -command "Expand-Archive -Force MRI_tests.zip ./"

4. Datasets for training can be loaded from https://drive.google.com/file/d/1SSYDAWpAw0Sbaz3dpHn_EH6ZuGZWt-LW/view?usp=drive_link or from https://huggingface.co/datasets/alarmod/MRI/tree/main/train_and_test_data

(must be stored to datasets folder and unpacked)

5. Configure settings.yaml (internal settings file of the Ultralytics library) if You already use Ultralytics in other projects

datasets_dir: [Path to _yolo_8_segment_brain_ischemia_msk/datasets_ folder]
weights_dir: weights
runs_dir: runs

For example, this file can be found here: C:\Users\%USERNAME%\AppData\Roaming\Ultralytics\settings.yaml (for Windows)

If Your GPU FP16 speed slow, change global_half = True to global_half = False in train.py and test.py.

1. Training:

python train.py

2. Testing:

python test.py default_validate (Yolo 8 default validation code, the results are far from what You get in Yolo predict)

python test.py generate_data (validate with saving all data: contours, zones, cognitive visualization)

python test.py internal_validate (modificated Yolo 8 validation code that closer to Yolo original prediction code)

Train and test on Nvidia RTX 16xx in FP16 mode may be slow (see ultralytics/yolov5#7908)

To convert the settings of artificial neural networks into the ONNX format, You need run script export.bat. Settings in original format will be saved in orig_settings directory.

Export results can be loaded from https://drive.google.com/file/d/16cPNC6zRKNaNQz6J40XU74XuVZYVBzWi/view?usp=drive_link or https://huggingface.co/alarmod/MRI_settings/blob/main/MRI_settings_ONNX.zip

MRI_settings_ONNX.zip can be unpacked with command

powershell -command "Expand-Archive -Force MRI_settings_ONNX.zip ./"

Python 3.8-3.10

PyTorch 2.2.2 or 2.3.1+

yolo_8_segment_brain_ischemia_msk - консольное приложение с открытым исходным кодом, предназначенное для обучения и тестирования искусственных нейронных сетей (Yolo 8) на задачах определения области мозга, локализации зон ишемического повреждения, поиска скоплений мезенхимальных стволовых клеток

1. Установка библиотек

а) PyTorch 2.2.2 или 2.3.1+:

pip3 install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 или

pip3 install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 или

pip3 install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124 или

pip3 install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

Внимание:

• PyTorch 2.3.0 имеет ошибку, которая влияет на Yolo 8.

• Инференс на CPU в PyTorch 2.4.0 сломан (см. ultralytics/ultralytics#15049). Используйте PyTorch 2.4.1 или более старую версию, например, PyTorch 2.3.1.

• Рекомендуется выполнять обучение и тестирование уже обученных нейросетей на GPU, в первую очередь - из-за медленной работы Ultralytics на CPU. Если же графический ускоритель отсутствует, необходимо ставить именно CPU-сборку PyTorch, иначе Вы можете столкнуться с исключением BEX64 на событии nvdxgdmal64.dll_unloaded. Ошибочно поставленную версию PyTorch можно удалить с помощью команды pip3 uninstall torch torchvision torchaudio.

б) Ultralytics ==8.0.205 или (>8.1.5 и <8.2.43):

pip3 install -U ultralytics==8.0.205 или

pip3 install -U ultralytics==8.1.6 или

...

pip3 install -U ultralytics==8.2.42

Ошибка масштабирования в ultralytics 8.0.206-8.1.5 исправлена ​​авторами этого проекта: https://github.com/ultralytics/ultralytics/commit/1a04cd38e7285969c0e4d827f4fbe52c834798ed

В версии 8.2.43 и более новых версиях библиотеки Ultralytics был изменен порядок получения масок сегментации, разработчики отказались от использования сигмоидальной функции, что повлияло на результаты нейронных сетей, обученных на более ранней версии библиотеки, поэтому рекомендуется либо переобучить наши искусственные нейронные сети, либо использовать для тестов библиотеку Ultralytics версии <8.2.43.

2. Загрузите MRI_settings.zip и MRI_tests.zip:

MRI_settings.zip --- https://drive.google.com/file/d/15uKf4ayCEnhhBj73WTrgIHoAqWOzlhDh/view?usp=sharing или https://huggingface.co/alarmod/MRI_settings/blob/main/MRI_settings.zip

MRI_tests.zip --- https://drive.google.com/file/d/15to8SyUL6DXNHhYwYQR9KJZ4bDlC3Yyq/view?usp=sharing

3. Распакуйте полный каталог runs с помощью команд:

powershell -command "Expand-Archive -Force MRI_settings.zip ./"

powershell -command "Expand-Archive -Force MRI_tests.zip ./"

4. Наборы данных для обучения можно загрузить с https://drive.google.com/file/d/1SSYDAWpAw0Sbaz3dpHn_EH6ZuGZWt-LW/view?usp=drive_link или с https://huggingface.co/datasets/alarmod/MRI/tree/main/train_and_test_data

(должны быть сохранены в папке datasets и распакованы)

5. Настройте settings.yaml (внутренний файл настроек библиотеки Ultralytics), если вы уже используете Ultralytics в других проектах

datasets_dir: [Путь к папке _yolo_8_segment_brain_ischemia_msk/datasets_]
weights_dir: weights
runs_dir: runnings

Например, этот файл можно найти здесь: C:\Users\%USERNAME%\AppData\Roaming\Ultralytics\settings.yaml (для Windows)

Если скорость FP16 вашего GPU низкая, измените global_half = True на global_half = False в train.py и test.py.

1. Обучение:

python train.py

2. Тестирование:

python test.py default_validate (код проверки Yolo 8 по умолчанию, результаты далеки от того, что вы получаете в Yolo predict)

python test.py generate_data (проверка с сохранением всех данных: контуры, зоны, когнитивная визуализация)

python test.py internal_validate (модифицированный код проверки Yolo 8, который ближе к оригинальному коду прогнозирования Yolo)

Обучение и тестирование на Nvidia RTX 16xx в режиме FP16 может быть медленным (см. ultralytics/yolov5#7908)

Чтобы преобразовать настройки искусственных нейронных сетей в формат ONNX, вам нужно запустить скрипт export.bat. Настройки в исходном формате будут сохранены в каталоге orig_settings.

Результаты экспорта можно загрузить из https://drive.google.com/file/d/16cPNC6zRKNaNQz6J40XU74XuVZYVBzWi/view?usp=drive_link или https://huggingface.co/alarmod/MRI_settings/blob/main/MRI_settings_ONNX.zip

MRI_settings_ONNX.zip можно распаковать командой

powershell -command "Expand-Archive -Force MRI_settings_ONNX.zip ./"

Python 3.8-3.10

PyTorch 2.2.2 или 2.3.1+