医学图像九分类

最新推荐文章于 2024-10-07 09:21:25 发布

旧雨化碧

最新推荐文章于 2024-10-07 09:21:25 发布

阅读量3.5k

点赞数 5

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/weixin_44428467/article/details/106695795

版权

博客内容涉及将医学图像分类从二类扩展到九类，详细描述了数据集的划分方法，包括按照文件位置和使用sklearn工具。训练模型时，采用2000*2000尺寸图片，batch_size=2，学习率0.01，epoch=100，并使用CrossEntropyLoss损失函数和Adam优化器。测试结果显示存在过拟合，解决方案是添加验证集以监控模型并避免过拟合。最终，通过调整训练集和验证集比例，评估模型在验证集和测试集上的表现，指出当前评判标准单一，计划优化代码并增加更多评价指标。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在上一次分类的基础上将二分类扩展为九分类。
切割图片为2000*2000，space=2000，按类别放在patch文件夹中。
要将整个数据集划分为训练集和测试集。
下面是两种方法划分数据集：
方法1：将源文件夹和目标文件夹相互对应起来，根据图片在文件夹中的位置索引，来判断是放在训练集，还是测试集。

import os
import shutil

path="/home/cad429/code/yue/Week2/patch"
name_list=os.listdir(path)
print(name_list)

train_dir="/home/cad429/code/yue/Week2/train"
if not os.path.exists(train_dir):
    os.makedirs(train_dir)

test_dir="/home/cad429/code/yue/Week2/test"
if not os.path.exists(test_dir):
    os.makedirs(test_dir)

val_dir="/home/cad429/code/yue/Week2/val"
if not os.path.exists(val_dir):
    os.makedirs(val_dir)

for i in range(len(name_list)):
    patch_path=os.path.join(path,name_list[i])
    print(patch_path)
    patch_list=os.listdir(patch_path)
    print(patch_list)
    patch_name_list = [i.split('.')[0] for i in patch_list]
    print(patch_name_list)
    print(

最低0.47元/天解锁文章