VGG16迁移学习，实现医学图像识别分类工程项目

向AI转型的程序员都关注了这个号👇👇👇

机器学习AI算法工程  公众号： datayx

此为2017-2018年度工程实践项目，主要目的是能够识别图像类别，尤其是医学类，然后在医学类中再进行更为细致的类别识别，以达到医学影像这一垂直领域的应用目的。环境

完整代码 以及预训练模型 获取方式：

关注微信公众号 datayx  然后回复 图像分类 即可获取。

文件结构及意义

    main：主文件  - MedicalLargeClassification.py——图像识别GUI搭建——运行此文件即可启动程序

        MedicalLargeFine_tuning.py——图像大类识别模型搭建

        MedicalSegmentClassificationModel_weights_15.h5——训练好的医学小类分类模型

    picture：数据源

    从国外开源医疗图像网站www.openi.org上爬取图片，进行修剪，最终得到医学类图像

        其中医学类又细分为了胸部、头部、四肢三类模型

其实这一步花费了很长时间，因为模型的迁移涉及到两个部分，一个是模型的框架，另一个是模型的参数。

先说官方文档，众所周知，keras的模型结构有两种：Sequential、Model。阅读VGG16的源码可以发现，VGG16是Model结构，而官网文档给的例子是用Sequential结构搭建模型后，将vgg16_weights_tf_dim_ordering_tf_kernels.h5的权重加载进模型，但是实际运行会报错——两种结构并不兼容

再说说博客，几乎所有的blog都和我的想法一致，尝试自己用Model结构搭建模型，但是在Flatten层都会报错，尝试各种写法都报错误

最后我决定不动Flatten层，利用Model的pop()将最后三层Dense删除，再增加合适尺寸的Dense层，问题解决

        注：想要利用训练好的VGG16，最好自己下载，然后改VGG16源码里面的载入地址（因为Keras需要去国外下载，及其慢，本库存放在VGG16_model中）

训练

GUI

• 利用python的tkinter搭建交互界面

• 将大类识别和医学小类识别串联起来，形成应用。

测试

• 测试样本：testCase

测试截图：红线框标注的为分类错误

---

阅读过本文的人还看了以下：

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加： datayx  

长按图片，识别二维码，点关注