Приветствую всех!
Прежде чем мы углубимся в техническую часть, я хотел бы призвать всех избегать обезвоживания, часто использовать дезинфицирующие средства и соблюдать все разумные меры, чтобы защитить себя от вируса COVID-19.
Цель: извлечь рентгеновские снимки как легких пациентов, пораженных вирусом COVID-19, так и здоровых легких. Создайте отдельную папку для хранения этих изображений и соответствующим образом измените размер изображений для обучения сети CNN.
Этот пост познакомит вас со следующими идеями:
- Обзор набора рентгеновских данных COVID-19
- Программа Python для извлечения изображений легких пациентов, пострадавших от COVID-19, из данных, представленных в файле .csv, которые можно использовать для обучения модели CNN.
- Набор изображений здоровых легких извлекается из Kaggle Chest X-Ray images Dataset.
- Изменение размера изображений для обучения сети CNN
Наборы данных. Доступ к наборам данных для рентгеновского набора данных COVID-19 можно получить по этой ссылке. Я хотел бы поблагодарить Джозефа Пола Коэна. Постдокторант, Мила, Университет Монреаля, которая взяла на себя эту инициативу по сбору рентгеновских изображений, чтобы помочь ученым-исследователям в их исследовательской деятельности.
Набор данных состоит из файла metadata.csv, который состоит из 119 строк (исключая заголовок) и 15 столбцов, а именно «Patient_id», «смещение», «пол», «возраст», «поиск', 'выживание', 'представление', 'дата', 'местоположение', 'имя файла', 'doi', 'url', 'лицензия', ' клинические заметки» и «другие заметки». [Имена столбцов, выделенные жирным шрифтом, помогут нам извлечь изображения в соответствии с нашими требованиями]
Примечание. Имя файла изображений в наборах данных совпадает с данными в столбце «Имя файла», пожалуйста, не меняйте имя файла изображений.
Код Python для извлечения изображений со случаями COVID-19, зарегистрированными в представлении PA.
Вы можете получить доступ к коду по этой ссылке.
Всего в выходную папку было извлечено 56 изображений, и эти изображения представляют собой случаи COVID-19, записанные в задне-переднем (PA) виде. Папка выглядит примерно так…..
Когда вы внимательно наблюдаете за изображениями, вы можете сделать вывод, что изображения не одного размера. Мы знаем, что для обучения модели CNN все входные изображения должны быть одинакового размера. Следующий код помогает изменить размер и сохранить изображения за один раз:
Код Python для равномерного изменения размера изображений
Вы можете получить доступ к коду по этой ссылке.
Теперь у нас есть 56 рентгеновских снимков случаев COVID-19, записанных в режиме PA. Возьмите рентгеновские снимки Здоровых легких из Набора данных рентгеновских изображений Kaggle Chest, повторите ту же процедуру извлечения, изменения размера изображений и сохранения изображений в папке.
Наконец, у нас есть две папки с рентгеновскими снимками: положительные случаи COVID-19 и отрицательные случаи COVID-19 (обычные рентгеновские снимки здорового человека). Хотя изображения из набора данных Kaggle Chest X-Ray images Dataset имеют некоторые дилеммы, такие как шум в наборе данных, а некоторые изображения не помечены должным образом, но для обучения базовой модели CNN эти изображения должны работать нормально.
Вы можете обучать предварительно обученные модели, такие как VGG, ResNet и т. д.; или сеть CNN с нуля, изменив гиперпараметры для достижения большей точности.
Отказ от ответственности: эта статья не фокусируется на исследовательской перспективе идентификации COVID-19, а проливает свет на вклад, который Инженеры Машинное обучение, Глубокое обучение, Искусственный интеллект могут предложить обществу. Я должен напомнить вам, что я не медицинский эксперт, для применения в режиме реального времени к Обнаружить COVID-19 построенная модель должна пройти догматическую проверку и должна быть проверена медицинским экспертом перед развертыванием для сценария в реальном времени.
Вы можете связаться со мной через LinkedIn, Instagram
Любые предложения любезно держать меня в курсе через ваши ценные комментарии.
Удачного кодирования!
Ура :)
Арнольд Сахит
