python cnn识别图像_用CNN识别CT图像检测肺癌

用CNN识别CT图像检测肺癌

概要

本文为2017年由Kaggle举办的数据科学竞赛的第二名获奖者Julian de Wit的部分解决方案。Julian de Wit和Daniel Hammack通过构建3D卷积神经网络创建肺结节探测器，预测患者患癌的可能性。Wit的开发环境为Windows版的Tensorflow和Keras库。

Kaggle在该比赛中提示参赛选手可参考之前的LUNA16竞赛。该竞赛采用的数据集是由公开数据集LIDC-IDRI转化而来的，医生为800多个病人的CT图像标记了1000多个肺结节。因此，可以从整张CT图像中的标记周围裁剪出小型3D图像，将这些小型3D图像与结节标记直接对应，从而利用神经网络学习这些特征，训练出一个神经网络来检测肺结节，并评估结节的恶性程度，预测患者患癌的可能性。其中，预测时神经网络通过滑动窗口的方式来遍历整张CT图像，分别判断每个滑动窗口所包含的区域是否含有恶性信息的可能性。

数据预处理和创建训练集

数据预处理

在预处理过程中，首先对CT图像进行缩放，保证图像中的每个像素点只表示

的体积；然后将CT图像的像素强度转换为HU值，并最大化HU值后进行归一化处理；最后，确保所有CT图像都具有相同的方向。