matlab代码影响-DeepLearning:机器学习算法专注于使用X射线数据集进行深度学习来识别肺炎模式

上传者: 38666527 | 上传时间: 2022-11-30 12:31:29 | 文件大小: 68KB | 文件类型: ZIP
matlab代码影响深度学习胸部X射线图像 为解决Kaggle在放射线照相图像中识别肺炎所提供的挑战而开展的活动。 动机来自安德森·索亚雷斯(Anderson Soares)教授的提议,他在课堂上提出了挑战。 为了解决该问题,该存储库中包含一种人工机器学习智能技术,专注于使用深度学习对模式进行识别。 语境 数据集被组织为3个文件夹(训练,测试,验证),并包含每个图像类别(肺炎/正常)的子文件夹。 有5,863张X射线图像(JPEG)和2类(肺炎/正常)。 胸部X射线图像(前后)选自广州市广州市妇女儿童医疗中心的1至5岁儿科患者的回顾性研究。 所有胸部X射线成像均作为患者常规临床护理的一部分进行。 为了分析胸部X射线图像,首先对所有胸部X光片进行了筛查,以通过去除所有低质量或不可读的扫描来进行质量控制。 然后,由两名专业医师对图像的诊断进行分级,然后再将其清除以训练AI系统。 为了解决任何分级错误,还由第三位专家检查了评估集。 解决方案 通过使用InceptionV3网络,使用转移学习资源实现了深度神经网络。 可以在网络体系结构本身的实现中可视化所使用的参数。 该解决方案还使用了外部数据

文件下载

资源详情

[{"title":"( 6 个子文件 68KB ) matlab代码影响-DeepLearning:机器学习算法专注于使用X射线数据集进行深度学习来识别肺炎模式","children":[{"title":"DeepLearning-master","children":[{"title":"neural_network","children":[{"title":"chestxray.ipynb <span style='color:#111;'> 16.45KB </span>","children":null,"spread":false}],"spread":true},{"title":"matlab_process","children":[{"title":"data_augmentation.m <span style='color:#111;'> 1.26KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 2.26KB </span>","children":null,"spread":false},{"title":"docs","children":[{"title":"AccuracyCurve.png <span style='color:#111;'> 23.74KB </span>","children":null,"spread":false},{"title":"LossCurve.png <span style='color:#111;'> 40.50KB </span>","children":null,"spread":false}],"spread":true},{"title":".gitignore <span style='color:#111;'> 153B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明