/kidneycaRunDemon

fork from https://github.com/cena001plus/inception

Primary LanguagePythonMIT LicenseMIT

kidneyca classification

这是一个图像识别项目，基于 tensorflow，fork自原项目four_flouwers,现有的 CNN 网络可以识别两种肾肿瘤2dCT图像。适合新手对使用 tensorflow 进行一个完整的图像识别过程有一个大致轮廓。项目包括对数据集的处理，从硬盘读取数据，CNN 网络的定义，训练过程，还实现了一个 GUI 界面用于使用训练好的网络。

原始数据集及图片处理、扩增方法

原始数据集包括RCC100张，Papillary100张，其他非肿瘤图像100张。肿瘤数据来源于TCIA官网。

数据2D图片由Itksnap3.6软件读取导出。Itksnap（最新3.8）下载地址是：http://www.itksnap.org/pmwiki/pmwiki.php?n=Downloads.SNAP3

Itksnap进行影像数据处理的压箱绝技（？）详见B站番组[itksnap step1]:

  1. EP0:itksnap从入门到获取region of interest.[https://www.bilibili.com/video/BV1Xy4y1177d/]
  2. EP1：从水平切面导出病灶.[https://www.bilibili.com/video/BV1Py4y127mQ]
  3. EP2：itksanp解剖涂色书：图像分割.[https://www.bilibili.com/video/BV1Sv4y1f7FR]
  4. ......

图像扩增工具包括传统扩增工具（basicaug/）和GAN数据生成器（GANaug/），在使用basicaug时需要手动安装opencv：pip3 install opencv-python

GAN工具需要在数据量较大时进行测试，通过basicaug可实现原始数据24倍扩增，内含resize工具批量修改数据集图片大小。

可选网络构架

  1. 简单CNN及加一倍层数的v2
  2. googlenetV1-4
  3. resnet
  4. densenet （untested）

Require

  1. 安装 Anaconda

  2. 导入环境 environment.yaml
    conda env update -f=environment.yaml

  3. 如不想运行以上步骤则： pip3 install -r environment_cpu.txt #cpu用户 pip3 install -r environment_gpu.txt #gpu用户

Quick start

  1. git clone 这个项目
  2. 解压 input_data.rar 到你喜欢的目录。
  3. 修改 train.py、input_data.py、test.py等文件 中
train_dir = 'D:/DL/kidneyca/inputdata'  # 训练样本的读入路径

logs_train_dir = 'D:/DL/kidneyca/save'  # logs存储路径

为你本机的目录。

  1. 运行dataaugrcc16.py等文件获得数据增强24倍增益。
  2. 运行 train.py 开始训练。运行tensorboard：tensorboard --logdir=[写你的train_dir]
  3. 训练完成后，修改 test.py 中的logs_train_dir = 'D:/DL/kidneyca/save/'为你的目录。
  4. 运行 test.py 或者 gui.py 查看结果。