https://mp./s?__biz=MzkxMTIxNzAwNg==&mid=2247486870&idx=1&sn=c53f361fb5d8138fa36d8503df24553e&chksm=c11ed597f6695c810db87de31c7876ed31c1cde5f9eed8dba48076edbc4cf1fe1f6752d9#rd
影像组学路径图
感谢《David》同学分享的深度特征结合影像组学(MedicalNet三维深度特征)
参加培训班,争取进小班
(免费)你也可以做引路人
整体过程
参照呼呼和曹诗文同学的帖子,本人顺利跑通全过程,感谢呼呼和曹诗文同学。
http://medai.icu/thread/84
http://medai.icu/thread/101
第一部分 前期工作
配置MedicalNet:下载数据,pycharm打开。因为onekey和MedicalNet_master中都有dataset和utils,重命名为dataset_med和utils_med,同时在train.py中进行相应修改。
跑通demo:本人选择resnet-18,以防显存不足。
第二部分 深度特征提取
依次修改代码(具体参见呼呼和曹诗文同学的帖子):
resnet.py
train.py
brains18.py
train.py
2.终端运行:
python train.py --gpu_id 0(注:我在代码页运行train.py报错)(只运行了50个循环)
生成feature.txt文件
3.删除多余的特征,只留最后一次的特征
第三部分 传统影像组学
数据读取
特征数据准备
去除不要的列,增加诊断列
数据降维、字符转换为数值、训练集测试集随机划分
3.模型训练
4.模型预测
后面部分跟之前传统组学一致
学员成果分享:影像组学中深度特征结合影像组学(MedicalNet三维深度特征)附代码 有平台的赶紧动手