脑PET图像分析和疾病预测Baseline精读

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