《深度学习技术应用》课件 项目三 迁移学习实现新冠肺炎X光检测.pptx

项目三迁移学习实现新冠肺炎X光检测深度学习应用技术

项目引导案例自2019年年底爆发以来，新冠肺炎疫情仍在全球范围内持续扩散，形势依旧严峻。各国医疗系统都面临着巨大的压力，快速低成本检测该疾病成为了医学技术领域最热门的话题，早已有专家发现，核酸+胸部医学影像检测相结合是更可信的检测手段。检测和诊断工具能够快速的将检测结果提供给医生，在筛选过程中协助医生。胸部X光影像是低成本的检测技术，但深度学习往往需要大量的训练样本，如何在样本不足的情况下使用深度学习进行检测呢？迁移学习就是个很不错的选择！

项目引导案例肺部图像处理01介绍Tensorflow以及一些深度学习的基本知识和代码操作模型搭建及训练02基于服装图像数据，进行最基础的分类模型的训练

思考一下使用迁移学习进行X光片检测与常规X光片检测有什么区别呢？项目引导案例

肺部图像处理任务一

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一肺部图像处理

了解深度学习在医学领域的应用掌握训练集与测试集划分的方法掌握基本的图像处理方法与图像增强技术能够搭建图像处理所需环境能够获取图像数据和标签并转换格式能够对标签进行二值化处理能够正确划分图像的训练集和测试集并保存划分后的数据职业能力目标01知识目标技能目标

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一肺部图像处理

了解Tensorflow2.0中的部分安装包，将图像数据转换为array格式，标签二值化处理，设置训练集测试集，并制作成数据集加以保存。任务描述任务要求图像和标签格式转换；二值化处理；训练集和测试集划分；数据集保存。任务描述与要求02

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一肺部图像处理

任务分析划分测试集和训练集时需要注意什么？如何对标签进行二值化处理？任务分析与计划03

任务计划表通过上面的思考，你是否对本任务要完成的工作有所了解？让我们一起来制订完成本次任务的实施计划吧！任务分析与计划03项目名称迁移学习实现新冠肺炎X光检测任务名称肺部图像处理计划方式自主设计计划要求请用8个计划步骤来完整描述出如何完成本次任务序号任务计划12345678

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一肺部图像处理

图像预处理204知识储备训练集和测试集1

训练集和测试集的概念04为了避免过拟合，在进行（监督）机器学习实验时，一般会将数据集划分为训练集和测试集。训练集估计模型测试集检验最终选择最优的模型的性能如何。借助这种划分，可以对一个样本集进行训练，然后使用不同的样本集测试模型。

训练集和测试集的概念04“调整模型”指的是调整可以想到的关于模型的任何方面。

04两个数据集必须相互独立，不能使用测试集调整模型的训练参数。训练集和测试集划分注意事项

04确保划分之前先进行随机化，以保证训练集和测试集中不同种类标签的样本平衡。训练集和测试集划分注意事项

04如果数据集规模很小，可以使用交叉验证法评估模型的预测能力。训练集和测试集划分注意事项

图像预处理204知识储备训练集和测试集1

04归一化图像归一化是指对图像进行了一系列标准的处理变换，使之变换为一固定标准形式的过程，该标准图像称作归一化图像。图像归一化的技术可以分为线性归一化和非线性归一化两种。线性归一化可以放大和缩小原始图像的长度和宽度，保留图像的线性性质。但有时要求对切割后的图像中心的位置做适当的更正，采用非线性归一化技术。

04归一化（2）减小几何变换的影响（1）转换成标准模式，防止仿射变换的影响（3）加快梯度下降求最优解的速度。图像归一化的好处

04灰度化灰度化，在RGB模型中，即红、绿、蓝三原色来表示真彩色，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。为了达到提高整个应用系统的处理速度的目的，需要减少所需处理的数据量，常常将图像进行灰度化。

二值化图像的二值化是让图像的像素点矩阵中的每个像素点的灰度值为0（黑色）或者255（白色），也就是让整个图像呈现只有黑和白的效果。在二值化后的图像中的灰度值范围是0或者255。04

在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数