Aumento de datos para imagen médica mediante el uso de GAN

En este código se implementa una WGAN-GP con un generador DCGAN.

Prerrequisitos

Keras==2.2.4
tensorflow_gpu==1.13.1
numpy==1.16.3
matplotlib==3.0.3
opencv_python==4.1.0.25
Pillow==6.0.0
protobuf==3.8.0
tensorflow==1.13.1

Con Python 3.6

Instalación

1. Instalar Python 3.6
2. Instalar todas las dependencias
3. Clona/descarga este repositorio
4. Añade los datasets images_three_datasets_sorted.npy y masks_three_datasets_sorted.npy a la carpeta raíz (no incluidos en este repositorio)
5. Lanza get_images.ipynb para reducir la muestra de imágenes
6. Modifica los hiperparámetros de las GAN en wgan_tensorboard.ipynb
7. Lanza wgan_tensorboard.ipynb

Implementación

Se ha realizado enteramente sobre Python, y consta de los siguientes archivos:

• get_images.ipynb: Reduce el tamaño del conjunto de datos, tomando las slices centrales de cada paciente. Requiere los archivos images_three_datasets_sorted.npy y masks_three_datasets_sorted.npy, que no están incluidos en el repositorio.
• wgan_tensorboard.ipynb: Programa principal que se encarga de entrenar las redes. En la segunda celda se pueden modificar algunos de los parámetros del programa
• funciones_wgan.py: Compendio de funciones útiles para la WGAN

A lo largo de los notebook pueden encontrarse explicaciones de los pasos realizados en cada punto.

Agradecimientos

Agradecemos a Hongwei Li et al. por proveer el dataset: https://github.com/hongweilibran/wmh_ibbmTum

La implementación de WGAN-GP se ha modificado partiendo de https://github.com/keras-team/keras-contrib/blob/master/examples/improved_wgan.py