用Python打造一款D医疗影像识别系统.docxVIP

用Python打造一款3D医疗影像识别系统 1. 引见 本案例将呈现通过构建 3D 卷积神经网络 (CNN) 来猜测计算机断层扫描 (CT) 中病毒性肺炎能否存在。2D 的 CNN 通常用于处理 RGB 图像（3 个通道）。3D 的 CNN 仅仅是 3D 等价物，我们可以将 3D 图像简约理解成 2D 图像的叠加。3D 的 CNN 可以理解成是学习立体数据的强大模型。 import?os,zipfileimport?numpy?as?npfrom?tensorflow?import?kerasfrom?tensorflow.keras?import?layersimport?tensorflow?as?tfgpus?=?tf.config.list_physical_devices(GPU)if?gpus:????tf.config.experimental.set_memory_growth(gpus[0],?True)??#设置GPU显存用量按需使用????tf.config.set_visible_devices([gpus[0]],GPU)????#?打印显卡信息，确认GPU可用print(gpus) [PhysicalDevice(name=/physical_device:GPU:0, device_type=GPU)] 2. 加载和预处理数据 数据文件是 Nifti，扩展名为 .nii。我使用nibabel 包来读取文件，你可以通过 pip install nibabel 来安装 nibabel 包。 数据预处理步骤： 首先将体积旋转 90 度，确保方向是固定的 将 HU 值缩放到 0 和 1 之间。 调整宽度、高度和深度。 我定义了几个协助函数来完成处理数据，这些功能将在构建训练和验证数据集时使用。 import?nibabel?as?nibfrom?scipy?import?ndimagedef?read_nifti_file(filepath):????#?读取文件????scan?=?nib.load(filepath)????#?猎取数据????scan?=?scan.get_fdata()????return?scandef?normalize(volume):????归一化????min?=?-1000????max?=?400????volume[volume??min]?=?min????volume[volume??max]?=?max????volume?=?(volume?-?min)?/?(max?-?min)????volume?=?volume.astype(float32)????return?volumedef?resize_volume(img):????修改图像大小????#?Set?the?desired?depth????desired_depth?=?64????desired_width?=?128????desired_height?=?128????#?Get?current?depth????current_depth?=?img.shape[-1]????current_width?=?img.shape[0]????current_height?=?img.shape[1]????#?Compute?depth?factor????depth?=?current_depth?/?desired_depth????width?=?current_width?/?desired_width????height?=?current_height?/?desired_height????depth_factor?=?1?/?depth????width_factor?=?1?/?width????height_factor?=?1?/?height????#?旋转????img?=?ndimage.rotate(img,?90,?reshape=False)????#?数据调整????img?=?ndimage.zoom(img,?(width_factor,?height_factor,?depth_factor),?order=1)????return?imgdef?process_scan(path):????#?读取文件????volume?=?read_nifti_file(path)????#?归一化????volume?=?normalize(volume)????#?调整尺寸?width,?height?and?depth???