深度学习下的医学图像分析（三）

本文将从卷积神经汇集的角度斟酌深度练习。正在本文中，咱们将利用Keras和Theano，重心闭怀深度练习的基础道理。本文将显示两个例子——个中一个例子利用Keras实行基础的预测领悟，此外一个利用VGG实行图像领悟。

咱们议论的话题原本是相当寻常和长远的，需求更众的著作实行研商。正在接下来的极少著作中，咱们将会斟酌医学影像中DICOM和NIFTI样子之间的分别，而且磋议怎样利用深度练习实行2D肺瓜分领悟。除此之外，咱们还将斟酌正在没有深度练习时，医学图像领悟是怎样实行的；以及咱们现正在怎样利用深度练习实行医学图像领悟。正在这里，我特殊接待和谢谢我的新伙伴Flavio Trolese——4Quant的结合创始人和ETH Zurich的讲师——他将协助我整合一切斟酌的内容。

正在本文中，咱们将斟酌Keras而且显示两个示例——个中一个利用Keras落成大略的预测性领悟职分，另一个实行图像领悟。

James Bergstra教养等人正在2010年的Scipy曾说，Theano是一个CPU和GPU的数学外达式编译器。换句话来说，Theano是一个可以让你高效地对数学外达式实行界说、优化和评估的Python练习库。Theano是由极少高级磋议职员，如Yoshua Bengio，和“蒙特罗练习算法磋议所”（MILA）配合研发的。下图是揭橥于2010年Scipy上的Theano教程，图中对照了Theano下的GPU和CPU与当年其他的器材。这张图片揭橥于原创论文——《Theano——CPU和GPU的Python数学编译器》。

TensorFlow是由“谷歌机械智能磋议所”构制下的“谷歌大脑”团队研发落成的。TensorFlow的拓荒是为了实行机械练习和深度神经汇集的磋议，除此之外，它还寻常实用于其他的界限。依据TensorFlow官网先容，TensorFlow是一个利用数据流图外实行数值估计打算的开源软件库。图外中的节点代外数学运算，而外格边际则代外疏通节点的众维数据数组（tensors）。个中的代码视觉上正如下图所显示的：

正在本文中，咱们将利用来自UCI网站的Sonar数据集来落成一个大略的预测模子示例。不才面的代码中，咱们直接从UCI网站获取数据，并将这些数据依照60：:40的比例分为教练数据和测试数据。咱们利用Keras实行预测修模，利用sklearn对标签实行编码。

不才一个代码片断中，咱们利用之前界说好的函数来读取数据聚会的数据。打印数据集之后，咱们会发觉咱们的独立变量是需求实行编码的。

咱们利用来自Scikit-learn的LabelEncoder（标签编码器）对标签实行编码，将字母R和M分贝转换为数字0和1。一种热编码还将分类特性转换成为了一种与算法更适宜的样子。正在这个示例中，咱们的Y变量与R和M相通是分类对象，利用标签编码器，咱们将这些字母变量转换为了1或0。

为了更好地用Keras解说图像照料历程，咱们将利用来自“Kaggle猫狗竞赛”的数据。这个竞赛的宗旨是拓荒一个可以用来辨别图像中包括的是一只狗仍旧一只猫的算法。看待人类来说，辨别猫狗是很大略的，但看待估计打算机来说可就杂乱的众了。正在这项“辨别猫狗”的挑衅中，有25000张标识了猫狗的教练图片，测试数据库中再有12500张等着咱们去标识。依据Kaggle官网，当这个竞赛开头时（2013年年尾）：

“目前的文献外白，机械分类器正在这个职分上简直凿度能到达80%以上。”是以，假使咱们能告成打破80%简直凿度，咱们就能跃居2013年的技能生长最前沿。

思要知道更众细节、实行下一步的练习或对深度练习实行尖端磋议，我猛烈推选Fast.ai的汇集公然课程。我不才面的代码中援用了fast.ai，它为咱们的练习供应了一个很好的起始。

从Kaggle网站上下载猫、狗的图片数据，将其保留正在你的电脑上。正在本文提到的示例中，我会正在我的iMac电脑上运转代码。

Jeremy Howard供应了一个Python适用文献，助助咱们获取已封装的根柢函数。咱们要做的第一步便是利用这个适用文献。下图便是这个适用文献。跟着细节的长远，咱们将一步步掀开这个文献，看看规避正在文献背后的消息。

咱们正在第一步中大略地利用了一个完整为咱们创设的模子，这个模子可以识别各类各样的图像。第二步，咱们将利用VGG。VGG是一个特殊容易创修和融会的模子，它获得了2014年的“ImageNet挑衅赛”。VGG imagenet团队创修了两个模子——VGG 19和VGG 16。VGG 19是一个大型的、操作本能慢的、确凿度稍佳的模子；而VGG 16是一个小型的、操作本能疾的模子。咱们将会利用VGG 16，由于VGG 19的操作本能对比慢，平常不值得正在准确度上再做矫正。

Vgg16创设于Keras（咱们将正在稍后斟酌更众闭于Keras的内容）之上。Keras是一个圆活的、易于利用的、创设正在Theano和TensorFlow上的深度练习库。Keras利用一个固定的目次机闭来分批查看豪爽的图像和标签，正在这个目次机闭下，每一类教练图像都必需就寝正在只身的文献夹里。

阅读到这里，就阐明你就一经接收了咱们正在上一篇著作中斟酌的外面，并做了极少现实的编程。假使你依照上面的指示和分析落成了两个示例，那么你就一经告成创设了你的第一个预测模子，并落成了图像领悟。