小林子
  • 18

    获得赞
  • 1

    发布的文章
  • 1

    答辩的项目

基于PyTorch的X光片检测患者肺炎

Batch大小为1,循环次数为1次,损失函数优化完,最终完成评分为65.43。

X光片检测患者肺炎
PyTorch EfficientNet ResNet DenseNet
最后更新 2020/03/26 12:41 阅读 320

X光片检测患者肺炎

最后更新 2020/03/26 12:41

阅读 320

PyTorch EfficientNet ResNet DenseNet

image.png

基于对肺部感染检测的技术研究,可通过人工智能技术对医学影像-X光片进行患病情况检测,有效提升确诊准确率和效率;本赛题主要是对肺部X光片患病结果进行分类,共4个患病类别,数据集划分比例为6:2:2;

问题分析

首先查看原始图片的视觉特点,这里要注意人的直觉和CNN本质上还是有区别的,所以直觉上的对数据增强并不一定有效。

  • 图片不会出现垂直翻转
  • 严格上来说不会有水平翻转
  • 图片被缩放到224,224,可能已经损失了一些信息
  • 属于单通道灰度图片

分析数据标签和数量:

  • 数据分为四类
  • 训练数据总量约18000左右
  • 数据存在不平衡现象


数据增强

通过观察数据,采用以下数据增强手段

  • 水平翻转,严格上不允许,但考虑到左右肺部的不完全对称性
  • 小幅度的旋转
  • 小幅度的平移
  • 小幅度的缩放


模型设计

最初模型采用深度较少的Resnet34,训练速度快,在后续的实验中也一直采用,为了抑制过拟合,在最后的分类前加了Dropout=0.2,性能略有提升。

本问题模型准确度提升比较明显的技巧

  • 预测过程中使用TTA,也就是测试时间增强,对增强后的结果直接取平均加权
  • 模型融合,一开始不以为模型融合涨点明显,但是使用后发现涨点关键。


经验分享

去年九月开始,平台的模板可以帮助快速上手机器学习,参加比赛的目的主要是想提升自己,这个过程比较锻炼自己的代码能力和查文献能力。

看到之前的分享,从寻找相关领域的论文开始,然后一步一步提升准确率..

本文为作者在FlyAI平台发布的原创内容,采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://www.flyai.com/n/116619
立即参加 X光片检测患者肺炎
代码展示

PyTorch EfficientNet ResNet DenseNet

选择查看文件
$vue{codeKeys}
  • $vue{ix}
赞赏贡献者还可以查看和下载优质代码内容哦!
赞赏 ¥63.76元
©以上内容仅用于在FlyAI平台交流学习,禁止转载、商用;违者将依法追究法律责任。
感谢您的关注
该篇内容公开后我们将会给你推送公开通知
好的
发布成功!
您的公开申请已发送至后台审核,
通过后将公开展示本详情页!
知道了
向贡献者赞赏
¥63.76
微信支付
支付宝

请先绑定您的微信账号 点击立即绑定

立即支付
温馨提示:
支付成功后不支持申请退款,请理性消费;
支付成功将自动解锁当前页面代码内容,付款前请确认账号信息。
微信扫码支付
请前往Web网页进行支付

敬请谅解,如有疑问请联系FlyAI客服

知道了
举报
请选择举报理由
确定
提示
确定要删除?
取消删除