fusilli

🌸 别傻了，用fusilli满足你所有的多模态数据融合需求！ 🌸

简介

🍝 欢迎使用fusilli🍝，这是机器学习中多模态数据融合的终极库！Fusilli让数据融合变得轻而易举，为高效组合不同数据类型提供了一个平台。

Fusilli能做什么？

多模态数据融合是为了达成某个共同目标而结合不同类型数据（或数据模态）的过程。例如，同时使用血液检测结果和神经成像来预测某人是否会患病。有许多不同的方法可以组合数据模态，而fusilli的目标是为任何人提供一个平台，以比较不同方法之间的优劣。

Fusilli基于PyTorch Lightning和PyTorch Geometric构建，目前支持以下场景：

表格-表格融合：结合两种不同类型的表格数据。
表格-图像融合：结合一种表格数据和图像数据（2D或3D）。

Fusilli支持多种预测任务，包括回归、二元分类和多类分类。请注意，它目前不支持聚类或分割等任务。

想了解更多？这里是阅读文档的链接。

安装

要品尝fusilli的美味，你可以使用pip安装：

pip install fusilli

快速入门

这里有一个快速示例，展示如何使用fusilli训练回归模型并绘制真实值与预测值的对比图。

from fusilli.data import prepare_fusion_data
from fusilli.train import train_and_save_models
from fusilli.eval import RealsVsPreds
import matplotlib.pyplot as plt

# 导入示例融合模型
from fusilli.fusionmodels.tabularfusion.example_model import ExampleModel

data_paths = {
    "tabular1": "path/to/tabular_1.csv",  
    "tabular2": "path/to/tabular_2.csv",  
    "image": "path/to/image_file.pt",  
}

output_paths = {
    "checkpoints": "path/to/checkpoints/dir",  
    "losses": "path/to/losses/dir",  
    "figures": "path/to/figures/dir",  
}

# 准备数据
data_module = prepare_fusion_data(prediction_task="regression",
                                  fusion_model=ExampleModel,
                                  data_paths=data_paths,
                                  output_paths=output_paths)

# 训练模型
trained_model = train_and_save_models(data_module=data_module,
                                      fusion_model=ExampleModel)

# 通过绘制真实值与预测值的对比图来评估模型
RealsVsPreds_figure = RealsVsPreds.from_final_val_data(trained_model)
plt.show()

如何引用

Florence Townend, Patrick J. Roddy, & Philipp Goebl. (2024). florencejt/fusilli: Fusilli v1.1.0 (v1.1.0). Zenodo. https://doi.org/10.5281/zenodo.10463697

贡献！

如果你开发了新的融合方法或想改进Fusilli，请查看我们的贡献指南以开始。PyTorch模板和贡献指南在贡献文档中。

作者和致谢

fusilli的作者是Florence J Townend、James Chapman和James H Cole。

Florence J Townend得到了UCL UKRI人工智能驱动医疗保健博士培训中心的支持（EP/S021612/1）。

许可证

本项目采用AGPLv3许可。详情请见LICENSE文件。