我希望使用Keras为一组CT图像制作分类模型。我的数据集来自50个患者,每个患者有1000张图像。对于一个患者而言,每一张图像都与前一张图像有着有意义的关系。我想利用这些有意义的关系,但不知道如何为这样的问题建立模型。您可以给我一些思路或示例吗?
我希望使用Keras为一组CT图像制作分类模型。我的数据集来自50个患者,每个患者有1000张图像。对于一个患者而言,每一张图像都与前一张图像有着有意义的关系。我想利用这些有意义的关系,但不知道如何为这样的问题建立模型。您可以给我一些思路或示例吗?
你的问题涉及序列分类。你需要对图像序列进行分类。在这种情况下,需要使用一个模型来学习两个方面:
这听起来与视频分类类似,其中视频是由几帧组成的序列。请参见这里。
提取图像特征:
大多数实际应用使用卷积神经网络。它们使用Max Pooling和Convolution等层。它们非常擅长从3D输入(如图像)中提取特征。你可以在这里了解更多信息。
处理时间数据:
这就需要使用RNN(递归神经网络)。LSTM(长短期记忆)单元是流行的RNN,因为它们比传统的RNN具有更强的记忆能力。
RNN保留隐藏层激活并在处理序列中的每个和任何一项时使用它们。因此,在处理序列中的第2个图像时,RNN具有该序列中第1个图像的知识或激活。
你可以从这里了解更多信息。
最后,我们需要将上述两种网络融合起来:
CNN-LSTM网络使用卷积和LSTM单元来对图像序列进行分类。
希望能帮助到你。 :-)