Download src/generate_csv.py from Decoder24/Cataract-ViT: direct link, hf CLI and curl.
- Browser
- Download file 3.05 kB
-
https://huggingface.co/Decoder24/Cataract-ViT/resolve/main/src/generate_csv.py
- Command line
-
hf download hf://Decoder24/Cataract-ViT/src/generate_csv.py
-
curl -L -o generate_csv.py https://huggingface.co/Decoder24/Cataract-ViT/resolve/main/src/generate_csv.py
3.05 kB
| # generate_csv.py (Versi Paling Final dan Tangguh) | |
| import os | |
| import pandas as pd | |
| import struct | |
| # --- KONFIGURASI --- | |
| # Pastikan path ini benar, dijalankan dari folder utama proyek | |
| SOURCE_DATA_DIR = os.path.join( | |
| 'data', | |
| 'Nuclear Cataract Database for Biomedical and Machine Learning Applications', | |
| 'Nuclear Cataract Dataset' | |
| ) | |
| OUTPUT_CSV_PATH = 'labels.csv' | |
| # --- SCRIPT UTAMA --- | |
| all_image_data = [] | |
| print(f"Memindai folder '{SOURCE_DATA_DIR}'...") | |
| for patient_id in sorted(os.listdir(SOURCE_DATA_DIR)): | |
| patient_path = os.path.join(SOURCE_DATA_DIR, patient_id) | |
| if not os.path.isdir(patient_path): continue | |
| for eye_folder in os.listdir(patient_path): | |
| eye_path = os.path.join(patient_path, eye_folder) | |
| if not os.path.isdir(eye_path): continue | |
| datafile_path = os.path.join(eye_path, 'DATAFILE') | |
| # Lompati folder ini jika tidak ada DATAFILE | |
| if not os.path.exists(datafile_path): | |
| print(f"Peringatan: Tidak ada DATAFILE di folder {eye_path}") | |
| continue | |
| try: | |
| with open(datafile_path, 'rb') as f: | |
| content = f.read() | |
| # Cari semua angka desimal (double) di seluruh file biner | |
| # Ini cara paling tangguh untuk menemukan kandidat grade | |
| possible_grades = [g[0] for g in struct.iter_unpack('<d', content)] | |
| # Ambil angka valid (bukan nol) sebagai grade | |
| valid_grades = [round(g) for g in possible_grades if round(g) != 0] | |
| if not valid_grades: | |
| # Jika tidak ada grade valid yang ditemukan, lompati folder ini | |
| print(f"Peringatan: Tidak ditemukan grade valid di {datafile_path}") | |
| continue | |
| # Asumsikan grade yang benar adalah nilai terbesar yang ditemukan | |
| grade = max(valid_grades) | |
| # Cari semua file gambar di direktori yang sama | |
| for filename in os.listdir(eye_path): | |
| if filename.lower().endswith(('.png', '.jpg', '.jpeg')): | |
| relative_path = os.path.join(patient_id, eye_folder, filename).replace('\\', '/') | |
| print(f"Ditemukan: file='{relative_path}', grade={grade}") | |
| all_image_data.append({'image': relative_path, 'grade': grade}) | |
| except Exception as e: | |
| # Jika masih ada error lain, cetak peringatan dan lanjutkan | |
| print(f"Error saat memproses {datafile_path}: {e}. Melanjutkan...") | |
| continue | |
| print(f"\nTotal {len(all_image_data)} gambar ditemukan dan diberi label.") | |
| # Hanya buat file jika ada data yang ditemukan | |
| if all_image_data: | |
| df = pd.DataFrame(all_image_data) | |
| df.to_csv(OUTPUT_CSV_PATH, index=False) | |
| print(f"File '{OUTPUT_CSV_PATH}' yang sudah terisi lengkap berhasil dibuat.") | |
| else: | |
| print("Tidak ada data valid yang ditemukan untuk dibuat menjadi file CSV.") | |
| print(f"\n--- Selesai ---") |