三、生成heatmap(二）基于patch画热力图

最新推荐文章于 2024-08-08 08:08:18 发布

名字太简单就记不住

最新推荐文章于 2024-08-08 08:08:18 发布

阅读量1.5k

点赞数 2

分类专栏： PBL 文章标签： Pytorch heatmap

本文链接：https://blog.csdn.net/weixin_42920780/article/details/98991314

版权

本文详细介绍了如何基于patch生成heatmap，包括将PIL.Image转换为DataLoader，利用预训练的Resnet模型进行预测，并按顺序排序生成热力图进行保存。

摘要由CSDN通过智能技术生成

太长不看版

1、将PIL.Image转换成批训练的DataLoader

为什么一批一批进去处理

2、载入网络（ torch.load('Resnet.pkl') ），并将数据放入网络，通过 outputs = model(images) 得到预测值，放在对应的对象中

3、按对象的数字顺序排序，生成热力图保存

耐心看完版

事先准备：

test_path = r'C:\Users\BME419\Desktop\resnet\slide\patch'
background_path = r'E:\WSI\CAMELYON16\Processed\patch-based-classification\raw-data\test\tumor091heatmaps  patches\none'

pre_savename = r'C:\Users\BME419\Desktop\resnet\slide\heatmap'
savename = os.path.join(pre_savename, 'heatmap')   #保存名字为'heatmap'

batch_size = 64
classes = ['negative','positive']
global positive_prob
positive_prob = []                      #positive_prob类型为list

def reload_net(model_name):    #可选择四种网络
    if  model_name == "VGG":
        trainednet = torch.load('VGGnet.pkl')
    elif model_name == "Google":
        trainednet = torch.load('Google.pkl')
    elif model_name == "Res":
        trainednet =