resnet18病理图像二分类

简介

简单的数字病理图像分类。首先将分为三个数据集，训练集，验证集，和测试集。这三个数据集由同一种类不同的图片切割组合。训练集由两个图片切割的小图片组成 ，验证集由另一个该类别的图片切割的小图片组成，测试集由另一个该类别的图片切割的小图片组成。
在训练集中类别1的有24张，类别0的有29张。测试集中包含15张有病的图片，一张没有标记的图片。利用resnet18对这些图片进行二分类。

图片的剪裁

由于病理图像很大，需要对其进行剪裁。病理图像为.svs图片，很大，我们需要借助openslide来处理这些图像。病理图片上有标注，哪些是患病区域，同时每个.svs对应的都有一个.xml标注文件。首先将.xml文件生成.svs对应的掩膜图像。将对应标注有病的区域为白色，其他没有标注的区域为黑色，将掩膜和.svs对应起来，在切割的过程中，如果掩膜对应区域的白色像素个数的总和大于要切割面积的一半，就切割.svs对应的区域，保存切割下来的图片在train/1文件夹下。如果白色区域的面积过小，则丢弃该图片。对于黑色区域，我们要区分该区域是有图像还是空白的，判断依据是根据.svs对应区域的像素值来判断。
图片切割大小的选择：原始的.svs图片很大，且大多数.svs上的标注有的是小的连通区域，有的是大的连通区域，而且图片中的空白区域也较多。因此，将切割图片的大小设置为2000，3000，4500.对比切割之后的效果发现，4500大小的结果最好，切割的标记不是那么的边边角角，2000，3000，太小。

切割有病区域的图片：

    f