使用Colab运行github中的项目

Deep_learning_in_WSI in Google Colab

基于深度学习的病理图像分析
项目地址：https://github.com/BohriumKwong/Deep_learning_in_WSI.git

1. 将项目资源上传至Google云端硬盘

因为之前已经将项目下载至本地，所以直接上传至云端硬盘即可：

也可以在笔记本中通过git命令上传文件，详情见下文：

git clone 项目地址

项目地址在这里复制即可：

2. 配置笔记本

在笔记本中，点击“修改”——“笔记本设置”——“选择GPU”

等待“分配”——“连接”——“初始化”后，右上角显示GPU详细信息：

查看当前使用的GPU

!nvidia-smi

3. 开始运行

连接你的google drive：

from google.colab import drive
drive.mount('/content/drive')

shift+enter运行后，点击链接登录谷歌账号复制密钥并粘贴至笔记本中的密钥框内即可

进入文件夹：

!ls
%cd /content/drive/MyDrive/Colab Notebooks

如果你没将项目文件上传至云端硬盘，可以在这里git上传：

git clone https://github.com/BohriumKwong/Deep_learning_in_WSI.git

配置：

!sudo apt update &&apt install -y openslide-tools

可能会提示错误，个人是重新运行下就好了：

import openslide

!pip install pyvips

进入项目文件夹：

%cd /content/drive/MyDrive/Colab Notebooks/Deep_learning_in_WSI
!ls

安装一些需要的包，要求在requirements.txt内
也可以通过以下命令安装：
（先将requirements文件内的第一行tensorflow-gpu删掉）

!pip install -r requirements.txt

运行demo文件，注意项目路径：

!python '/content/drive/MyDrive/Colab Notebooks/Deep_learning_in_WSI/opencv/opencv_demo.py'

以下代码在opencv/opencv_demo.py 中

import numpy as np
import matplotlib.pyplot as plt
import cv2

svs_img = cv2.imread('/content/drive/MyDrive/Colab Notebooks/Deep_learning_in_WSI/tricks_in_processing_and_training/16558.png')
plt.rcParams['figure.figsize'] = 10, 10
plt.imshow(svs_img)

def get_tissue(im, contour_area_threshold):
    """
    Get the tissue contours from image(im)
    :param im: numpy 3d-array object, image with RGB mode
    :param contour_area_threshold: python integer, contour area threshold, tissue contour is less than it will omit
    :return: tissue_cnts: python list, tissue contours that each element is numpy array with shape (n, 2)
    """

    gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5,5), 0)
    binary = cv2.threshold(blurred, 230, 255, cv2.THRESH_BINARY_INV)[1]

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
#     morphology = cv2.erode(binary, kernel, iterations = 0)
#  erode是opencv中膨胀的操作 
#     morphology = cv2.dilate(morphology, kernel, iterations = 3)
#  dilate是opencv中腐蚀的操作
    morphology = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)
# cv2.morphologyEx指定cv2.MORPH_OPEN参数就是进行开操作
    cnts, _ = cv2.findContours(morphology.copy(),cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    # 对处理后的二值图像进行轮廓提取，并过滤掉轮廓面积小于设定阈值的轮廓
    tissue_cnts = []

    for each, cnt in enumerate(cnts):
        contour_area = cv2.contourArea(cnt)
        if contour_area < contour_area_threshold:
            # omit the small area contour
            del cnts[each]
            continue
        tissue_cnts.append(np.squeeze(np.asarray(cnt)))

    # initialize mask to zero
    mask = np.zeros((im.shape[0], im.shape[1])).astype(im.dtype)
    color = [1]
    mask = cv2.fillPoly(mask, cnts, color)
    return mask, cnts

mask, cnts = get_tissue(svs_img, contour_area_threshold=1000)
plt.imshow(mask)

svs_img_new = svs_img.copy()
for i,contour in enumerate(cnts):
    if cv2.contourArea(cnts[i]) > 1000:
        cv2.drawContours(svs_img_new,cnts,i,(76,177,34),15)
        # 轮廓着色的方法
plt.imshow(svs_img_new)

我也没太搞懂这个项目，后续学习会继续补充，也欢迎大佬指导！