biovida 0.1.1

安装

python包索引：

$ pip install biovida

最新版本：

$ pip install git+git://github.com/TariqAHassan/BioVida@master

需要python 3.4+

图像：稳定

只需几行代码，您就可以访问生物医学数据库 存储了上千万张图片。

请注意，您必须遵守版权和其他 根据其向您提供此数据的使用限制 创造者。

# 1. Import the Interface for the NIH's Open-i API.frombiovida.imagesimportOpeniInterface# 2. Create an Instance of the Toolopi=OpeniInterface()# 3. Perform a search for x-rays and cts of lung canceropi.search(query='lung cancer',image_type=['x_ray','ct'])# Results Found: 9,220.# 4. Pull the datasearch_df=opi.pull()

# 1. Import the interface for the Cancer Imaging Archivefrombiovida.imagesimportCancerImageInterface# 2. Create an Instance of the Toolcii=CancerImageInterface(YOUR_API_KEY_HERE)# 3. Perform a searchcii.search(cancer_type='esophageal')# 4. Pull the datacdf=cii.pull()

frombiovida.imagesimportimage_divvy# 1. Define a rule to 'divvy' up images in the cache.defmy_divvy_rule(row):ifrow['image_modality_major']=='x_ray':return'x_ray'elifrow['image_modality_major']=='ct':return'ct'# 2. Define Proportions and Divide Datatt=image_divvy(opi,my_divvy_rule,action='ndarray',train_val_test_dict={'train':0.8,'test':0.2})# 3. The resultant ndarrays can be unpacked as follows:train_ct,train_xray=tt['train']['ct'],tt['train']['x_ray']test_ct,test_xray=tt['test']['ct'],tt['test']['x_ray']

图像：实验性

自动图像数据清理

不幸的是，从上面open-i中提取的数据可能包含 大量与搜索查询无关的图像和/或 不适合机器学习。

实验性的OpeniImageProcessing类可用于 完全自动化此数据清理过程，该过程部分由 通过卷积神经网络。

# 1. Import Image Processing Toolsfrombiovida.imagesimportOpeniImageProcessing# 2. Instantiate the Tool using the OpeniInterface Instanceip=OpeniImageProcessing(opi)# 3. Analyze the Imagesidf=ip.auto()# 4. Use the Analysis to Clean Imagesip.clean_image_dataframe()

很容易将这些图像分割成训练集和测试集。

frombiovida.imagesimportimage_divvydefmy_divvy_rule(row):ifrow['image_modality_major']=='x_ray':return'x_ray'elifrow['image_modality_major']=='ct':return'ct'tt=image_divvy(ip,my_divvy_rule,action='ndarray',train_val_test_dict={'train':0.8,'test':0.2})# These ndarrays can be unpack as shown above.

基因组数据

虽然biovida主要关注图像，但它也提供了一个简单的 获取相关信息的接口，如基因组数据。

# 1. Import the Interface for DisGeNET.orgfrombiovida.genomicsimportDisgenetInterface# 2. Create an Instance of the Tooldna=DisgenetInterface()# 3. Pull a Databasegdf=dna.pull('curated')

诊断数据

biovida还使获得诊断数据变得容易。

关于疾病定义、家族和同义词的信息：

# 1. Import the Interface for DiseaseOntology.orgfrombiovida.diagnosticsimportDiseaseOntInterface# 2. Create an Instance of the Tooldoi=DiseaseOntInterface()# 3. Pull the Databaseddf=doi.pull()

有关疾病相关症状的信息：

# 1. Import the Interface for Disease-Symptoms Informationfrombiovida.diagnosticsimportDiseaseSymptomsInterface# 2. Create an Instance of the Tooldsi=DiseaseSymptomsInterface()# 3. Pull the Databasedsdf=dsi.pull()

统一信息

unify_against_images函数集成图像数据信息 对DisgenetInterface，DiseaseOntInterface和 DiseaseSymptomsInterface。

frombiovida.unificationimportunify_against_imagesunify_against_images(interfaces=[cii,opi],db_to_extract='cache_records_db')

数据框左侧：仅图像数据

数据框右侧：添加了信息

文档

• Getting Started
• Tutorials
• API Documentation

贡献

有关如何贡献的详细信息，请参阅 contributing 文件。

始终欢迎错误报告和功能请求，并且可以提供 穿过Issues 网页

资源

那个 resources 文档提供了所有数据源和所用学术著作的说明 生物多样性。