license: other tags:

• pytorch
• diffusers
• 无条件图像生成
• 扩散模型课程
• 医学扩散模型
• 超声
• 肺部超声 library_name: diffusers pipeline_tag: 无条件图像生成

用于生成肺部超声图像(720x720)的扩散模型

该模型是一个用于无条件生成肺部超声🫁图像的扩散模型。

使用方法

<!-- 登录Hugging Face后安装这些库 -->
<!-- !pip install torchsr
!pip install diffusers[training] -->
from torchsr.models import edsr
from diffusers import DDPMPipeline
import torch
from PIL import Image
import torchvision.transforms as transforms

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# 加载肺部超声管道
butterfly_pipeline = DDPMPipeline.from_pretrained(
    "Ketansomewhere/Lung_Ultrasound_Diffusion_720p"
).to(device)

# 创建1张(原则上可以是n张)图像
images = butterfly_pipeline(batch_size=1).images

# 加载预训练的EDSR模型
model = edsr(scale=4, pretrained=True).to(device)

upscaled_images = []

for img in images:
    # 转换为张量并添加批次维度
    img_tensor = transforms.ToTensor()(img).unsqueeze(0).to(device)

    # 放大图像
    upscaled_img_tensor = model(img_tensor)

    # 移除批次维度并转换回PIL图像
    upscaled_img = transforms.ToPILImage()(upscaled_img_tensor.squeeze(0).cpu())

    # 添加到放大图像列表
    upscaled_images.append(upscaled_img)

# 创建图像网格的函数
def make_grid(images, size=720):
    """给定一个PIL图像列表，将它们堆叠在一起以便于查看"""
    output_im = Image.new("RGB", (size * len(images), size))
    for i, im in enumerate(images):
        output_im.paste(im.resize((size, size)), (i * size, 0))
    return output_im

# 查看结果
make_grid(upscaled_images)