深度学习用于疾病诊断-第一课第一周大作业-胸部14种疾病分类-代码详解

深度学习胸部 X 射线诊断

本次作业文件：在第一课/第一课大作业/week1classification

欢迎来到课程 1 的第一个作业！

在这个任务中！您将通过使用 Keras 构建最先进的胸部 X 射线分类器来探索医学图像诊断。

你将学会一下内容：

• 预处理真实世界的 X 射线数据集
• 使用迁移学习重新训练 DenseNet 模型以进行 X 射线图像分类
• 学习一种处理类别不平衡的技术
• 通过计算 ROC 曲线的 AUC（曲线下面积）来衡量诊断性能
• 使用 GradCAM 可视化模型激活区域

作业目录

• 1. 导入包和函数
• 2. 加载数据集
  • 2.1 防止数据泄露
    • 练习 1 - 检查数据泄漏
  • 2.2 准备图像
• 3. 模型开发
  • 3.1 解决类不平衡问题
    • 练习 2 - 计算类频率
    • 练习 3 - 加权损失
  • 3.2 DenseNet121
• 4.training【可选】
  • 4.1 在更大的数据集上训练
• 5. 预测与评估
  • 5.1 ROC 曲线和 AUROC
  • 5.2 使用 GradCAM 可视化学习

注意： 在作业文件中，可以直接跳转到你感兴趣的章节。

导入包部分省略

1.3 数据集 （这里的序号对应代码里的序号）

对于这项任务，我们将使用 ChestX-ray8 数据集，其中包含 32717 名患者的 108,948 张正面 X 射线图像。

数据集中的每个图像都包含多个文本挖掘标签，可识别 14 种不同的病理状况。

这些反过来又可以被医生用来诊断 8 种不同的疾病。

我们将使用这些数据开发一个单一模型，该模型将为 14 种标记病理中的每一种提供二元分类预测。

换句话说，它将预测每种病理的“阳性”或“阴性”。

数据集地址

注意： 该数据集并不好下载，官网需提供邮箱，会把数据集链接发你邮箱，而且数据集较大。

我们为您提供了大约 1000 个图像子集。这些可以在存储在IMAGE_DIR变量中的文件夹路径中访问。

使用的图像可在下面三个csv文件里找到：

• nih/train-small.csv：来自我们数据集中的 875 张图像用于训练。
• nih/valid-small.csv：来自我们数据集中的 109 张图像用于验证。
• nih/test.csv：来自我们数据集中的 420 张图像用于测试。

如果你下载这部分数据集有困难，也可以不训练，我们已经提供了训练好的模型，可以直接测试。

1.3.0.1 class单词的含义

值得注意的是，在这些讨论中，'class'(类)一词多用。注意区别

• 我们有时将数据集中标记的 14 种病理状况中的每一种都称为一个类。

• 但是对于这些病理中的每一种，我们都试图预测某种情况是存在（即阳性结果）还是不存在（即阴性结果）。“正”或“负”（或 1 或 0 的数字物）这两个可能的标签通常也称为类。如正类和父类

• 此外，我们还使用该术语来指代 代码“类”，例如ImageDataGenerator类.

不过，从使用它的上下文中就应该能明白。

1.4.1 解决类不平衡

使用医疗诊断数据集的挑战之一是此类数据集中存在的大类不平衡。让我们绘制数据集中每个标签的频率：

plt.xticks(rotation=90)
plt.bar(x=labels, height=np.mean(train_generator.labels, axis=0))
plt.title("Frequency of Each Class")
plt.show()

我们可以从这个图中看到，阳性病例的流行率在不同的病理中存在显着差异。

• 在Hernia(疝气)病理有积极的训练情况是约0.2％的比例最大的失衡。
• 但即使Infiltration（渗透）是不平衡最少的病理学，也只有 17.5% 的训练案例被标记为阳性。

理想情况下，我们将使用均衡的数据集训练我们的模型，以便正负训练案例对损失的贡献相等。

如果我们使用具有高度不平衡数据集的正常交叉熵损失函数，正如我们在这里看到的那样，那么算法将优先优化多数类（即在我们的例子中为阴性类），因为它对损失的贡献更大。

这里就要使用之前学过的类平衡方法（参见之前的教程，或者本节查看代码）

数据平衡前

数据平衡后

1.4.4 使用DenseNet121进行迁移学习

接下来，我们将使用预训练的 DenseNet121 模型，我们可以直接从Keras加载该模型，然后在其上添加两层：

1. 一个GlobalAveragePooling2D层从DenseNet121获得平均的最后一圈层。
2. 一个Dense具有sigmoid激活层的层，用于获取我们每个类的预测对数。

我们可以通过loss在compile()函数中指定参数来为模型设置我们的自定义损失函数。

# create the base pre-trained model
base_model = DenseNet121(weights='./nih/densenet.hdf5', include_top=False)

x = base_model.output

# add a global spatial average pooling layer
x = GlobalAveragePooling2D()(x)

# and a logistic layer
predictions = Dense(len(labels), activation="sigmoid")(x)

model = Model(inputs=base_model.input, outputs=predictions)
model.compile(optimizer='adam', loss=get_weighted_loss(pos_weights, neg_weights))

模型的训练省略~~~~，感兴趣可以训练来看看

1.6.1 ROC 曲线 和 AUROC

现在我们将逐步介绍从 接收者操作特性 (Receiver Operating Characteristic， ROC) 曲线计算 曲线下面积（Area Under the Curve， AUC，也称为 AUROC 值)。

在 util.py 中的 util.get_roc_curve() 函数中提供了计算方法。这里直接调用

auc_rocs = util.get_roc_curve(labels, predicted_vals, test_generator)

1.6.2 使用GRAD-CAM 可视化

功能函数同样在 util.py 中提供。

这部分大作业涉及到的内容自然是很多的，可能需要话3-7天的时间去细细咀嚼。本文只是把作业中涉及到的部分做一个展示，细节内容还是要自己看代码的。

文章持续更新，可以关注微信公众号【医学图像人工智能实战营】获取最新动态，一个关注于医学图像处理领域前沿科技的公众号。坚持已实践为主，手把手带你做项目，打比赛，写论文。凡原创文章皆提供理论讲解，实验代码，实验数据。只有实践才能成长的更快，关注我们，一起学习进步~

我是Tina, 我们下篇博客见~

白天工作晚上写文，呕心沥血

觉得写的不错的话最后，求点赞，评论，收藏。或者一键三连