Dieses Projekt beinhaltet das Erstellen und Trainieren von konvolutionellen neuronalen Netzwerken auf Mammogrammen aus dem CBIS-DDSM-Datensatz. Das Projekt begann als Projekt für einen Kurs für maschinelles Lernen, den ich an der EPFL Extension School absolvierte. Bei diesem Projekt wurde eine binäre Klassifizierung der aus den Originalbildern extrahierten Kacheln in normal und abnormal durchgeführt.

Nachdem ich den Kurs beendet hatte, überprüfte ich meine Arbeit, als ich feststellte, dass jede Kachel, die aus einem positiven Bild extrahiert wurde, positiv vorhergesagt wurde, unabhängig davon, ob die Kachel irgendwelche Abnormalitäten enthielt. Weitere Untersuchungen zeigten, dass die positiven und negativen Bilder einige wesentliche Unterschiede in ihnen aufwiesen, darunter Pixel-Mittelwert, Pixel-Minuten und Max-Werte, Standardabweichung und andere. Dies bedeutete, dass das Modell Merkmale verwendete, die nichts mit den tatsächlichen Abnormalitäten zu tun hatten, um die Vorhersagen zu treffen, wodurch das gesamte Modell unbrauchbar wurde.

Diese Probleme wurden durch die Aufnahme von normalen Bildern aus dem DDSM-Datensatz zusätzlich zu den abnormen CBIS-DDSM-Bildern eingeführt. Um das Netzwerk zu zwingen, sich auf die tatsächlichen Abnormalitäten zu konzentrieren, entschied ich mich, das Objektiv von binärer Klassifikation zu dichter Klassifikation auf einer Pixelebene zu ändern, um das Bild effektiv in normale und abnormale Pixel zu segmentieren.

Dieses Projekt läuft noch und wird mit allen relevanten Entwicklungen aktualisiert. Der Quellcode ist auf GitHub und wenn jemand interessiert ist oder denkt, dass sie etwas hinzuzufügen haben, zögern Sie nicht, das Repository zu verzweigen und / oder Pull-Requests zu senden.

Weitere Informationen zu diesem Projekt finden Sie hier .

Last Updated: 1970-01-01 00:00

The source code is available here.