使用 python 对图像数据集进行任何癌症诊断的机器学习

Posted 2023-03-12

【中文标题】使用 python 对图像数据集进行任何癌症诊断的机器学习

【英文标题】：machine learning for any cancer diagnosis on image dataset with python

【发布时间】：2017-09-04 13:54:09

【问题描述】：

块引用

我正在从事这个由大学指定为最终项目的项目。但问题是我没有从互联网上得到任何帮助，所以我想可能在这里问可以解决问题。我读过很多文章，但他们没有代码或指导，我很困惑该怎么做。基本上它是一个带有机器学习的图像处理工作。数据集很容易找到，但问题是python python学习算法和代码

块引用

【问题讨论】：

如果它是你的最终项目并且它是“分配”给你的，你为什么不先把这个问题发给你的主管？

【参考方案1】：

我认为如果这是您的最终项目，您必须自己创建程序，而不是直接从互联网上下载。如果你想要一个好的起点，你可以从谷歌自定义 Tensor Flow 是非常好的。你会想了解它是如何工作的（即机器学习是如何工作的），但作为第一步，网站上有一个很好的数字识别形式的图像处理示例（这也是机器学习的“Hello World”） .

https://www.tensorflow.org/get_started/mnist/beginners

这也很好地介绍了使用神经网络进行机器学习：https://www.youtube.com/watch?v=uXt8qF2Zzfo

关于 Tensor Flow 的注意事项，您可能必须使用 Python 3.5+，因为根据我的经验，在 2.7 上使用它可能会很困难。

【讨论】：

好的，这更清楚了。如果你想使用 svm，scikit 中有一个用于 svm 的模块，如果你想知道如何实现其中的一些代码，请查看这篇文章：link。您还可以在此处找到 scikit 文档：scikit-learn.org/stable/modules/svm.html

【参考方案2】：

我的解决方案：-

Lung Image Database Consortium 为肺癌图像提供开放存取数据集。

下载它，然后应用任何机器学习算法来对是否有肿瘤细胞的图像进行分类。

我附上了参考论文的链接。他们应用神经网络对图像进行分类。

编码部分，使用python“OpenCV”进行图像预处理和分割。

当涉及到分类部分时，请使用任何机器学习库（tensorflow、keras、torch、scikit-learn...等等），因为您可以根据需要使用任何性能更好的算法来使用和执行分类。

就是这样..

Link for Reference Journal

【讨论】：

谢谢.. 如何应用机器学习算法对图像进行分类？我可以阅读的任何参考资料

Scikit learn、scikit image、opencv 文档会对你有很大帮助。看看吧。。

【参考方案3】：

首先，我需要知道您使用的是什么类型的数据，因为根据您的数据，如果是 MRI 或 PET 扫描或 CT，对于在 python 中使用机器学习进行检测可能会有不同的建议。

但是，我想您的主要数据集由 MR 图像组成，我附上了一篇文章，我发现它很好地概述了不同的方法> 这个项目比较了四种不同的机器学习算法：决策树、多数、最近邻和最佳 Z 分数（我自己设计的算法，是朴素贝叶斯算法的轻微变体）

https://users.soe.ucsc.edu/~karplus/abe/Science_Fair_2012_report.pdf

在这里，我们考虑了乳腺癌和结直肠癌，并且表现最佳的算法（最佳 Z 分数和最近邻）使用了所有特征来对样本进行分类。决策树仅使用 13 个特征对样本进行分类，结果平庸。大多数人没有看任何特征并且做得最差。除决策树外的所有算法都可以快速训练和测试。决策树很慢，因为它必须依次查看每个特征，计算每个可能的切点选择的信息增益。