【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，支持GPU加速

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，支持GPU加速

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

1. Reinhard Reinhard, Erik, et al. “Color transfer between images.” IEEE Computer graphics and applications 21.5 (2001): 34-41.
2. 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.
3. 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.

更新 [10/2024]

感谢MIT协议开源库 cwlkr/torchvahadane ,WSI_Normalizer现在支持GPU加速的Vahadane方法，在较大分辨率的patch上能够达到2倍以上的速度提升

安装

1. 克隆本仓库

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

2. 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，如果需要GPU加速的版本，需要额外安装pytorch-gpu, scipy, kornia (可选)

运行

1. 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
   

2. 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, vahadane-gpu中
   <TARGET IMAGE> 染色参考图片（可以是数据集中的一员）

   请注意，考虑到硬件IO，vahadane-gpu在224及256这类分辨率下的效果和vahadane几乎没有区别，只有在512、1024或者更大的分辨率下，能够达到2倍甚至更快的速度提升，请根据实际情况使用

   然后运行

   python main.py --target_dir <TARGET FOLDER> --output_dir <OUTPUT FOLDER> --method <NORM METHOD> --target_img <TARGET IMAGE>
   

3. 程序将会在<OUTPUT FOLDER>自动生成与 <TARGET FOLDER> 一致的目录结构

4. 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-gpu --target_img eg/standard.jpg
   

5. 运行结果如下：
   

如果有问题，欢迎联系我。
欢迎Star、点赞和收藏，转载请注明出处，谢谢！