【生物医学的前沿问题】在MRI扫描中自动识别胃肠病变组织的数学模型

最新推荐文章于 2024-07-21 23:25:11 发布

Goodsta

最新推荐文章于 2024-07-21 23:25:11 发布

阅读量779

点赞数

文章标签： python 机器学习深度学习

本文链接：https://blog.csdn.net/wong2016/article/details/125467979

版权

作者简介： 本文作者系大学统计学专业教师，多年从事统计学的教学科研工作，在随机过程、统计推断、机器学习领域有深厚的理论积累与应用实践。个人主页

1. 问题描述

在2019年，据估计全球约有500万人被诊断为胃肠癌。这其中有半数患者接受为期1~6周、每天10—15分钟的化疗。在化疗过程中，使用X-射线的放射剂量照射肿瘤而尽量避开正常的胃肠器官。在MRI(磁共振成像)扫描中，为了靶向肿瘤位置而避开正常的胃肠器官，医生必须手工标出胃肠器官的位置。这是一个耗时费力的工作，并且使化疗过程延长15分至1小时，给患者增加了治疗的困难。

在这里插入图片描述
开发在MRI扫描中自动识别分割胃肠器官与癌症靶点的算法，将使化疗过程更快速、高效，减轻医生的负担和患者的困难。

在这里插入图片描述

2. 数据准备

2.1 数据描述

在这个问题里，我们要分割MRI图像的胃肠器官。图像是16-bit灰质png格式。
数据集的 class有3个不同的值：large bowel, small bowel, stomach.

在这里插入图片描述

print(clr.S+"--- train.csv ---"+clr.E)
train = pd.read_csv("../input/uw-madison-gi-tract-image-segmentation/train.csv")

print(clr.S+"shape:"+clr.E, train.shape)
print(clr.S+"Unique ID cases:"+clr.E, train["id"].nunique())
print(clr.S+"Missing Values Column:"+clr.E, train.isna().sum().index[-1])
print("\t", clr.S+"with a total missing rows of:"+clr.E, train.isna().sum().values[-1])
print("\t", clr.S+"% of missing rows:"+clr.E, 
      len(train[train["segmentation"].isna()==False]), "\n")

print(clr.S+"Sample of train.csv:"+clr.E)
train.sample(5, random_state=26)

在这里插入图片描述

2.2 缺失值

# Show a dataframe of missing values
sns.displot(
    data=train.isna().melt(value_name="missing"),
    y="variable",
    hue="missing",
    multiple="fill",
    # Change aspect of the chart
    aspect=3,
    height=6,
    # Change colors
    palette=[my_colors[5], my_colors[2