Este repositorio contiene una serie de utilidades para procesar imágenes DICOM y obtener imágenes DTI (Diffusion Tensor Imaging) y T1 a partir de una carpeta de imágenes DICOM. Además, se proporciona un archivo para realizar la renderización 3D de las imágenes procesadas.
-
All_Dicom_images.ipynb: Jupyter Notebook que realiza el procesamiento de imágenes DICOM. Utiliza la información de la cabecera DICOM para identificar y extraer imágenes DTI y T1 de la carpeta de imágenes DICOM proporcionada. -
render_image.ipynb: Jupyter Notebook que genera una renderización 3D a partir de un conjunto de imágenes en formato.tiff. El resultado final muestra una visualización 3D de la vasculatura formada a partir de las imágenes.
En la carpeta "Script Python IA" se encuentran dos subcarpetas que contienen scripts y módulos para el análisis y procesamiento.
Dentro de la carpeta, en el archivo Autoencoders.ipynb se encuentran los análisis realizados con los clasificadores SVM (Support Vector Machines), LDA (Linear Discriminant Analysis), GNB (Gaussian Naive Bayes), Decision Trees, y Regresión Logística.
Además, esta carpeta incluye las definiciones de las clases myAutoencoder() y myAutoencoder_fine_tuning(), que contienen la arquitectura específica del autoencoder y los métodos de fine-tuning, respectivamente.
La carpeta "Models" contener los modelos de Autoencoders entrenados.