网站搭建dns有用吗,手机app开发公司哪家好,网络工程排名,营销型网站结构图文章目录 1 前言2 前言3 数据集3.1 良性样本3.2 病变样本 4 开发环境5 代码实现5.1 实现流程5.2 部分代码实现5.2.1 导入库5.2.2 图像加载5.2.3 标记5.2.4 分组5.2.5 构建模型训练 6 分析指标6.1 精度#xff0c;召回率和F1度量6.2 混淆矩阵 7 结果和结论8 最后 1 前言
… 文章目录 1 前言2 前言3 数据集3.1 良性样本3.2 病变样本 4 开发环境5 代码实现5.1 实现流程5.2 部分代码实现5.2.1 导入库5.2.2 图像加载5.2.3 标记5.2.4 分组5.2.5 构建模型训练 6 分析指标6.1 精度召回率和F1度量6.2 混淆矩阵 7 结果和结论8 最后 1 前言 优质竞赛项目系列今天要分享的是
基于卷积神经网络的乳腺癌分类
该项目较为新颖适合作为竞赛课题方向学长非常推荐 更多资料, 项目分享
https://gitee.com/dancheng-senior/postgraduate
2 前言
乳腺癌是全球第二常见的女性癌症。2012年它占所有新癌症病例的12%占所有女性癌症病例的25%。
当乳腺细胞生长失控时乳腺癌就开始了。这些细胞通常形成一个肿瘤通常可以在x光片上直接看到或感觉到有一个肿块。如果癌细胞能生长到周围组织或扩散到身体的其他地方那么这个肿瘤就是恶性的。
以下是报告
大约八分之一的美国女性约12%将在其一生中患上浸润性乳腺癌。2019年美国预计将有268,600例新的侵袭性乳腺癌病例以及62,930例新的非侵袭性乳腺癌。大约85%的乳腺癌发生在没有乳腺癌家族史的女性身上。这些发生是由于基因突变而不是遗传突变如果一名女性的一级亲属(母亲、姐妹、女儿)被诊断出患有乳腺癌那么她患乳腺癌的风险几乎会增加一倍。在患乳腺癌的女性中只有不到15%的人的家人被诊断出患有乳腺癌。
3 数据集
该数据集为学长实验室数据集。
搜先这是图像二分类问题。我把数据拆分如图所示 dataset trainbenignb1.jpgb2.jpg//malignantm1.jpgm2.jpg// validationbenignb1.jpgb2.jpg//malignantm1.jpgm2.jpg//...训练文件夹在每个类别中有1000个图像而验证文件夹在每个类别中有250个图像。
3.1 良性样本 3.2 病变样本 4 开发环境
scikit-learnkerasnumpypandasmatplotlibtensorflow
5 代码实现
5.1 实现流程
完整的图像分类流程可以形式化如下
我们的输入是一个由N个图像组成的训练数据集每个图像都有相应的标签。
然后我们使用这个训练集来训练分类器来学习每个类。
最后我们通过让分类器预测一组从未见过的新图像的标签来评估分类器的质量。然后我们将这些图像的真实标签与分类器预测的标签进行比较。
5.2 部分代码实现
5.2.1 导入库 import jsonimport mathimport osimport cv2from PIL import Imageimport numpy as npfrom keras import layersfrom keras.applications import DenseNet201from keras.callbacks import Callback, ModelCheckpoint, ReduceLROnPlateau, TensorBoardfrom keras.preprocessing.image import ImageDataGeneratorfrom keras.utils.np_utils import to_categoricalfrom keras.models import Sequentialfrom keras.optimizers import Adamimport matplotlib.pyplot as pltimport pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import cohen_kappa_score, accuracy_scoreimport scipyfrom tqdm import tqdmimport tensorflow as tffrom keras import backend as Kimport gcfrom functools import partialfrom sklearn import metricsfrom collections import Counterimport jsonimport itertools5.2.2 图像加载
接下来我将图像加载到相应的文件夹中。
def Dataset_loader(DIR, RESIZE, sigmaX10):IMG []read lambda imname: np.asarray(Image.open(imname).convert(RGB))for IMAGE_NAME in tqdm(os.listdir(DIR)):PATH os.path.join(DIR,IMAGE_NAME)_, ftype os.path.splitext(PATH)if ftype .png:img read(PATH)img cv2.resize(img, (RESIZE,RESIZE))IMG.append(np.array(img))return IMGbenign_train np.array(Dataset_loader(data/train/benign,224))malign_train np.array(Dataset_loader(data/train/malignant,224))benign_test np.array(Dataset_loader(data/validation/benign,224))malign_test np.array(Dataset_loader(data/validation/malignant,224))
5.2.3 标记
之后我创建了一个全0的numpy数组用于标记良性图像以及全1的numpy数组用于标记恶性图像。我还重新整理了数据集并将标签转换为分类格式。
benign_train_label np.zeros(len(benign_train))malign_train_label np.ones(len(malign_train))benign_test_label np.zeros(len(benign_test))malign_test_label np.ones(len(malign_test))X_train np.concatenate((benign_train, malign_train), axis 0)Y_train np.concatenate((benign_train_label, malign_train_label), axis 0)X_test np.concatenate((benign_test, malign_test), axis 0)Y_test np.concatenate((benign_test_label, malign_test_label), axis 0)s np.arange(X_train.shape[0])np.random.shuffle(s)X_train X_train[s]Y_train Y_train[s]s np.arange(X_test.shape[0])np.random.shuffle(s)X_test X_test[s]Y_test Y_test[s]Y_train to_categorical(Y_train, num_classes 2)Y_test to_categorical(Y_test, num_classes 2)
5.2.4 分组
然后我将数据集分成两组分别具有80%和20%图像的训练集和测试集。让我们看一些样本良性和恶性图像
x_train, x_val, y_train, y_val train_test_split(X_train, Y_train, test_size0.2, random_state11)w60h40figplt.figure(figsize(15, 15))columns 4rows 3for i in range(1, columns*rows 1):ax fig.add_subplot(rows, columns, i)if np.argmax(Y_train[i]) 0:ax.title.set_text(Benign)else:ax.title.set_text(Malignant)plt.imshow(x_train[i], interpolationnearest)plt.show() 5.2.5 构建模型训练
我使用的batch值为16。batch是深度学习中最重要的超参数之一。我更喜欢使用更大的batch来训练我的模型因为它允许从gpu的并行性中提高计算速度。但是众所周知batch太大会导致泛化效果不好。在一个极端下使用一个等于整个数据集的batch将保证收敛到目标函数的全局最优。但是这是以收敛到最优值较慢为代价的。另一方面使用更小的batch已被证明能够更快的收敛到好的结果。这可以直观地解释为较小的batch允许模型在必须查看所有数据之前就开始学习。使用较小的batch的缺点是不能保证模型收敛到全局最优。因此通常建议从小batch开始通过训练慢慢增加batch大小来加快收敛速度。
我还做了一些数据扩充。数据扩充的实践是增加训练集规模的一种有效方式。训练实例的扩充使网络在训练过程中可以看到更加多样化仍然具有代表性的数据点。
然后我创建了一个数据生成器自动从文件夹中获取数据。Keras为此提供了方便的python生成器函数。
BATCH_SIZE 16train_generator ImageDataGenerator(zoom_range2, # 设置范围为随机缩放rotation_range 90,horizontal_flipTrue, # 随机翻转图片vertical_flipTrue, # 随机翻转图片)
下一步是构建模型。这可以通过以下3个步骤来描述 我使用DenseNet201作为训练前的权重它已经在Imagenet比赛中训练过了。设置学习率为0.0001。 在此基础上我使用了globalaveragepooling层和50%的dropout来减少过拟合。 我使用batch标准化和一个以softmax为激活函数的含有2个神经元的全连接层用于2个输出类的良恶性。 我使用Adam作为优化器使用二元交叉熵作为损失函数。 def build_model(backbone, lr1e-4):model Sequential()model.add(backbone)model.add(layers.GlobalAveragePooling2D())model.add(layers.Dropout(0.5))model.add(layers.BatchNormalization())model.add(layers.Dense(2, activationsoftmax))model.compile(lossbinary_crossentropy,optimizerAdam(lrlr),metrics[accuracy])return modelresnet DenseNet201(weightsimagenet,include_topFalse,input_shape(224,224,3)
)model build_model(resnet ,lr 1e-4)
model.summary()让我们看看每个层中的输出形状和参数。 在训练模型之前定义一个或多个回调函数很有用。非常方便的是ModelCheckpoint和ReduceLROnPlateau。 ModelCheckpoint当训练通常需要多次迭代并且需要大量的时间来达到一个好的结果时在这种情况下ModelCheckpoint保存训练过程中的最佳模型。 ReduceLROnPlateau当度量停止改进时降低学习率。一旦学习停滞不前模型通常会从将学习率降低2-10倍。这个回调函数会进行监视如果在’patience’(耐心)次数下模型没有任何优化的话学习率就会降低。 该模型我训练了60个epoch。
learn_control ReduceLROnPlateau(monitorval_acc, patience5,verbose1,factor0.2, min_lr1e-7)filepathweights.best.hdf5checkpoint ModelCheckpoint(filepath, monitorval_acc, verbose1, save_best_onlyTrue, modemax)history model.fit_generator(train_generator.flow(x_train, y_train, batch_sizeBATCH_SIZE),steps_per_epochx_train.shape[0] / BATCH_SIZE,epochs20,validation_data(x_val, y_val),callbacks[learn_control, checkpoint])
6 分析指标
评价模型性能最常用的指标是精度。然而当您的数据集中只有2%属于一个类(恶性)98%属于其他类(良性)时错误分类的分数就没有意义了。你可以有98%的准确率但仍然没有发现恶性病例即预测的时候全部打上良性的标签这是一个不好的分类器。
history_df pd.DataFrame(history.history)history_df[[loss, val_loss]].plot()history_df pd.DataFrame(history.history)history_df[[acc, val_acc]].plot() 6.1 精度召回率和F1度量
为了更好地理解错误分类我们经常使用以下度量来更好地理解真正例(TP)、真负例(TN)、假正例(FP)和假负例(FN)。
精度反映了被分类器判定的正例中真正的正例样本的比重。
召回率反映了所有真正为正例的样本中被分类器判定出来为正例的比例。
F1度量是准确率和召回率的调和平均值。 6.2 混淆矩阵
混淆矩阵是分析误分类的一个重要指标。矩阵的每一行表示预测类中的实例而每一列表示实际类中的实例。对角线表示已正确分类的类。这很有帮助因为我们不仅知道哪些类被错误分类还知道它们为什么被错误分类。
from sklearn.metrics import classification_reportclassification_report( np.argmax(Y_test, axis1), np.argmax(Y_pred_tta, axis1))from sklearn.metrics import confusion_matrixdef plot_confusion_matrix(cm, classes,normalizeFalse,titleConfusion matrix,cmapplt.cm.Blues):if normalize:cm cm.astype(float) / cm.sum(axis1)[:, np.newaxis]print(Normalized confusion matrix)else:print(Confusion matrix, without normalization)print(cm)plt.imshow(cm, interpolationnearest, cmapcmap)plt.title(title)plt.colorbar()tick_marks np.arange(len(classes))plt.xticks(tick_marks, classes, rotation55)plt.yticks(tick_marks, classes)fmt .2f if normalize else dthresh cm.max() / 2.for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])):plt.text(j, i, format(cm[i, j], fmt),horizontalalignmentcenter,colorwhite if cm[i, j] thresh else black)plt.ylabel(True label)plt.xlabel(Predicted label)plt.tight_layout()cm confusion_matrix(np.argmax(Y_test, axis1), np.argmax(Y_pred, axis1))cm_plot_label [benign, malignant]plot_confusion_matrix(cm, cm_plot_label, title Confusion Metrix for Skin Cancer) 7 结果和结论 在这个博客中学长我演示了如何使用卷积神经网络和迁移学习从一组显微图像中对良性和恶性乳腺癌进行分类希望对大家有所帮助。
8 最后 更多资料, 项目分享
https://gitee.com/dancheng-senior/postgraduate
