使用Keras构建CNN神经网络在医学图像CT上的应用2

最新推荐文章于 2023-02-11 23:21:31 发布

热衷开源的宝藏Boy

最新推荐文章于 2023-02-11 23:21:31 发布

阅读量336

点赞数 2

分类专栏：医学+AI 文章标签：神经网络可视化深度学习 CNN

本文链接：https://blog.csdn.net/weixin_39025679/article/details/112941337

版权

本文介绍了如何利用Keras构建CNN神经网络应用于医学图像CT数据集，包括数据集下载、网络结构设计、训练过程及结果可视化，展示了CNN在深度学习中处理图像识别的能力。

摘要由CSDN通过智能技术生成

数据集下载kaggle
导入包

import numpy as np  # matrix tools
import matplotlib.pyplot as plt  # for basic plots
import seaborn as sns  # for nicer plots
import pandas as pd
from glob import glob
import re
from skimage.io import imread
import keras
import os
from sklearn.model_selection import train_test_split

from keras.models import Sequential
from keras.layers import Dense, Flatten
from keras.optimizers import Adam, RMSprop
from keras.layers import Conv2D, MaxPooling2D

数据集路径

datasetPath = '/KaggleData/CTDataset'

获取数据集的tiff文件名

def pathList(datasetPath):
    all_images_list = glob(os.path.join(datasetPath, 'tiff_images', '*.tif'))
    return all_images_list

定义获取label和id函数

# 设置label
def setLabel(imagesPathList):
    check_contrast = re.compile(r'ID_([\d]+)_AGE_([\d]+)+_CONTRAST_([\d]+)_CT.tif')
    label = []
    id_list = []
    age = []
    for image in imagesPathList:
        id_list.append(check_contrast.findall(image)[0][0])
        age.append(check_contrast.findall(image)[0][1