كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

TorchIO

مكتبة Python لتحميل الصور الطبية ثلاثية الأبعاد وتحويلها وزيادتها ومعاينتها في رقع (Patches) لتدريب نماذج PyTorch.

نشطةمتوسطv1.2.1Apache-2.0الرؤية الحاسوبية ومعالجة الصور

الوثائق الرسميةجرّب الأمثلة

المعلومات الأساسية

الاسمTorchIO
الاسم الكاملTorchIO
التصنيفالرؤية الحاسوبية ومعالجة الصور
الجهة المطورةFernando Pérez-García ومساهمون
سنة الإطلاقغير محدد
الموقع الرسميtorchio.org
مستودع GitHubTorchIO-project/torchio
الوثائق الرسميةdocs.torchio.org
الحزمة على PyPItorchio
الترخيصApache-2.0 (PyPI license_expression)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار2 يونيو 2026 (الإصدار 1.2.1)
لغة البرمجةPython
أنظمة التشغيلOS Independent (كما تعلنها الحزمة على PyPI)
إصدار Python المطلوب>=3.10
مستوى الصعوبةمتوسط

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

تمثل TorchIO كل حالة كـ Subject يجمع الصور والأقنعة مع معلوماتها المكانية، وتقدم تحويلات طبية واقعية (حركة، تشوه مجال مغناطيسي، تشويش، إعادة معاينة) ومعاينة الرقع للحجوم الكبيرة وتجميعها بعد الاستدلال.

تكمل MONAI أو تُستخدم بدلاً من بعض وحداته في خطوط PyTorch.

متى تختارها؟ اخترها لزيادة البيانات الطبية الواقعية والتدريب بالرقع على الحجوم ثلاثية الأبعاد.

الاستخدامات

الاستخدامات الرئيسية

  • تحميل حجوم MRI وCT
  • زيادة بيانات طبية واقعية
  • التدريب والاستدلال بالرقع

المجالات العلمية

  • الأشعة
  • علوم الأعصاب

أنواع المشاريع المناسبة

  • تجزئة أورام الدماغ بالرقع

تطبيقات بحثية

  • دراسة أثر تحويلات الزيادة الطبية

تحليل الصور الطبيةزيادة البياناتتجزئة الصور

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)مدعوم
دعم المعالج الرسومي (GPU)لا ينطبق
التوافق مع CUDAلا ينطبق
التدريب أو الحوسبة الموزعةلا ينطبق
الاشتقاق التلقائي (Autodiff)غير مدعوم
نشر النماذج (Deployment)لا ينطبق
نماذج مدربة مسبقاًلا ينطبق
أنواع البيانات المدعومةحجوم ثلاثية الأبعاد (NIfTI، DICOM وغيرها)
التكامل مع مكتبات أخرىPyTorch، MONAI، SimpleITK
المرونة (تقدير تحريري)عالية
الأداء (تقدير تحريري)جيدة
المجتمع (تقدير تحريري)متخصص
جودة التوثيق (تقدير تحريري)توثيق جيد

التثبيت والتشغيل

Shell
pip install torchio

التوافق: Python >=3.10 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

أمثلة برمجية

الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.

متوسطزيادة بيانات MRI وأخذ الرقع بـ TorchIOنُفّذ واختُبر

الهدف: تطبيق تشوهات واقعية واستخراج رقع للتدريب.

Python — example.py
import torch, torchio as tio

torch.manual_seed(0)
subject = tio.Subject(mri=tio.ScalarImage(tensor=torch.rand(1, 64, 64, 48)),
                      seg=tio.LabelMap(tensor=(torch.rand(1, 64, 64, 48) > 0.9).int()))
tf = tio.Compose([tio.RescaleIntensity(out_min_max=(0, 1)), tio.RandomAffine(degrees=10),
                  tio.RandomBiasField(), tio.RandomNoise(std=0.02)])
aug = tf(subject)
print("التحويلات المطبقة:", [t.name for t in aug.history])
sampler = tio.data.UniformSampler(patch_size=32)
patches = list(sampler(aug, num_patches=3))
print("عدد الرقع:", len(patches), "| شكل الرقعة:", tuple(patches[0]["mri"].data.shape))

شرح الكود

Subject يجمع الصورة والقناع، وتطبق التحويلات المكانية عليهما معاً. RandomBiasField يحاكي عدم تجانس الحقل المغناطيسي في MRI. ثم يأخذ UniformSampler رقعاً ثابتة الحجم للتدريب على ذاكرة محدودة.

المتطلبات

Shell
pip install torchio torch

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

التحويلات المطبقة: ['RescaleIntensity', 'Affine', 'BiasField', 'Noise']
عدد الرقع: 3 | شكل الرقعة: (1, 32, 32, 32)

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — torchio 1.2.1, torch 2.15.0, python 3.13.18

صفحة المثال

كل أمثلة TorchIO في مستكشف الأكواد

المزايا

  • تحويلات طبية واقعية
  • معاينة الرقع للحجوم الكبيرة

القيود

  • تعمل على CPU في المعالجة
  • تكرر جزءاً من وظائف MONAI

المراجع والتحقق

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
1.2.12 يونيو 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً