使用卷积神经网络从患者肺部CT扫描中检测癌性病变
2017年数据科学杯
问题
美国每年因肺癌造成的损失约为225,000人,每年造成的金钱损失为120亿美元。 副总统办公室在早期发现肺癌方面分配了特别的精力,因为这可以提高受害者的生存率。 根据Kaggle&'Booz,Allen,Hamilton'的要求,他们在Kaggle上举办了一项竞赛,旨在通过设计功能强大的机器学习算法来检测患者CT扫描中的恶性斑点和结节。 作为一个有趣的问题,我们(团队)决定提供各种方法来设计解决方案,因此决定解决Data Science Bowl 2017问题。
数据与预处理
比赛组织者提供了2类数据集。 第一类是一组不同患者的CT扫描图像。 数据集的第二方面涉及患者的一组标签。 每个患者的CT扫描图像的数量不是固定的,因此图像的数量是不同的。
由于贡献者提供的数据是患者CT扫描的DICOM文件,因此它涉及复杂
1