8、以数据为中心的肺癌分类及皮肤疾病分类机器学习方法

以数据为中心的肺癌分类及皮肤疾病分类机器学习方法

在医疗领域，利用机器学习技术进行疾病分类是一个重要的研究方向。本文将介绍以数据为中心的肺癌分类方法以及多种机器学习算法在红斑鳞屑性皮肤病分类中的应用。

以数据为中心的肺癌分类

数据预处理

• CT扫描切片分割 ：对CT扫描切片进行预处理，为特征提取做准备。具体步骤如下：
  1. 进行二进制侵蚀，区分肺部和血管。
  2. 进行二进制闭合，填充区域中的黑色间隙。
  3. 确保剩余的黑洞被填充。
  4. 将创建的二进制掩码叠加在原始切片上。

graph LR
    A[原始CT切片] --> B[二进制侵蚀]
    B --> C[二进制闭合]
    C --> D[填充黑洞]
    D --> E[叠加二进制掩码]

• 特征提取 ：数据集中的图像包含标记的结节对象，CT扫描存储为3D数组，每个3D数组都有对应的真实世界坐标。在特征提取阶段，根据感兴趣区域提取3D数组中的结节。具体操作是找到结节的坐标，然后在这些坐标周围切割36×36×36大小的立方体体素，这些体素标记为1（结节）。非结节体素通过随机选择坐标并在这些坐标处切片数组生成。

分类算法

构建了一个简单的卷积神经网络（CNN）用于肺癌分类。该网络的