1、数据集
脑PET图像检测数据库,记录了老年人受试志愿者的脑PET影像资料,其中包括确诊为轻度认知障碍(MCI)患者的脑部影像数据和健康人(NC)的脑部影像数据,图像格式为nii。被试者按医学诊断分为两类:
NC:健康
MCI:轻度认知障碍
在数据集准备时,我们用到了一个重要的库,nibabel用于加载和处理医学图像数据,nibabel库是专门对一些常见医学和神经影像文件格式的读写访问,一个nibabel图像由三个方面组成,3d或4d图像数据数组,一个告知图像数组在引用空间中的位置的仿射数组,描述图像的图像元数据,通常以图像头部的形式
2、数据预处理
读取文件后,对它们进行随机打乱。
3、特征提取
加载PET图像数据,并从中随机选择10个通道。然后,它计算了一系列统计特征,如非零像素数量、零像素数量、平均值、标准差等。最后,函数根据文件路径判断样本类别,并将提取到的特征和类别作为返回值。
4、模型训练
本次使用了逻辑回归模型对PET图像进行了分类,我们知道关于分类模型,我们还可以用到决策树,支持向量机,cnn等,这些我都会在后面一一尝试,尽可能提高模型的分数。
5、预测