0
点赞
收藏
分享

微信扫一扫

kaggle挑战赛——糖网视网膜病变5分类

海滨公园 2022-07-27 阅读 87

今天将分享kaggle系列挑战赛之糖网视网膜病变多酚类的完整实现过程,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、比赛介绍

比赛数据包括用于检测糖尿病视网膜病变的视网膜扫描图像。原始数据集可在 APTOS 2019 Blindness Detection 上获得。这些图像被调整为 224x224 像素,以便它们可以很容易地与许多预训练的深度学习模型一起使用。使用提供的 train.csv 文件,所有图像都已根据糖尿病视网膜病变的严重程度/阶段保存到各自的文件夹中。将找到五个包含相应图像的目录:

0 - No_DR(无)

1 - Mild(轻微)

2 - Moderate(中等)

3 - Severe(严重)

4 - Proliferate_DR(扩散)

二、技术路线

1、读取糖网视网膜图像和对应标签值,生成csv文件,全部数据一共有3707例

2、将训练数据分成8:1:1分成网络训练数据,验证数据和测试数据,统计数据发现类别之间不平衡,所以对训练数据中的标签1,3,4进行3倍数据扩充,0和2标签不做数据扩充处理,具体数据扩充策略是旋转,平移,缩放等随机变换。

3、对所有的图像进行统一缩放处理,大小统一大小是256x256,图像归一化,用均值是0和方差是1的方式进行归一化。

4、网络采用的是VGG16网络结构,损失是交叉熵,学习率是0.001,droupout是0.5,epoch是20,batchsize是64。

5、训练结果

训练损失函数结果:

kaggle挑战赛——糖网视网膜病变5分类_归一化

训练精度函数结果:

kaggle挑战赛——糖网视网膜病变5分类_缩放_02

验证损失函数结果:

kaggle挑战赛——糖网视网膜病变5分类_缩放_03

验证精度函数结果:

kaggle挑战赛——糖网视网膜病变5分类_数据_04

6、测试结果

a、混淆矩阵

kaggle挑战赛——糖网视网膜病变5分类_归一化_05

b、分类指标

               precision  recall  f1-score   support

        0.0       0.96      0.94      0.95       170

        1.0       0.45      0.55      0.49        38

        2.0       0.72      0.71      0.72       103

        3.0       0.40      0.38      0.39        16

        4.0       0.32      0.29      0.30        24

avg / total   0.77      0.76      0.76       351



举报

相关推荐

0 条评论