深度学习下的医学图像分析（三）

本文将从卷积神经搜集的角度商量深度进修。正在本文中，咱们将利用Keras和Theano，重心闭心深度进修的基础道理。本文将出现两个例子——此中一个例子利用Keras举行基础的预测理解，别的一个利用VGG举行图像理解。

咱们辩论的话题实在是相当普通和深刻的，须要更众的著作举行商量。正在接下来的少许著作中，咱们将磋议量医学影像中DICOM和NIFTI格局之间的差别，而且钻研怎样利用深度进修举行2D肺决裂理解。除此之外，咱们还将商量正在没有深度进修时，医学图像理解是怎样举行的；以及咱们现正在怎样利用深度进修举行医学图像理解。正在这里，我万分接待和谢谢我的新伙伴Flavio Trolese——4Quant的撮合创始人和ETH Zurich的讲师——他将协助我整合整个商量的内容。

正在本文中，咱们将商量Keras而且出现两个示例——此中一个利用Keras竣事简略的预测性理解劳动，另一个举行图像理解。

James Bergstra讲授等人正在2010年的Scipy曾说，Theano是一个CPU和GPU的数学外达式编译器。换句话来说，Theano是一个可以让你高效地对数学外达式举行界说、优化和评估的Python进修库。Theano是由少许高级钻研职员，如Yoshua Bengio，和“蒙特罗进修算法钻研所”（MILA）配合研发的。下图是颁布于2010年Scipy上的Theano教程，图中对照了Theano下的GPU和CPU与当年其他的器材。这张图片楬橥于原创论文——《Theano——CPU和GPU的Python数学编译器》。

TensorFlow是由“谷歌呆板智能钻研所”构制下的“谷歌大脑”团队研发竣事的。TensorFlow的斥地是为了举行呆板进修和深度神经搜集的钻研，除此之外，它还普通合用于其他的范畴。遵照TensorFlow官网先容，TensorFlow是一个利用数据流图外举行数值策动的开源软件库。图外中的节点代外数学运算，而外格周围则代外疏通节点的众维数据数组（tensors）。此中的代码视觉上正如下图所出现的：

正在本文中，咱们将利用来自UCI网站的Sonar数据集来竣事一个简略的预测模子示例。鄙人面的代码中，咱们直接从UCI网站获取数据，并将这些数据遵循60：:40的比例分为教练数据和测试数据。咱们利用Keras举行预测修模，利用sklearn对标签举行编码。

鄙人一个代码片断中，咱们利用之前界说好的函数来读取数据聚积的数据。打印数据集之后，咱们会发觉咱们的独立变量是须要举行编码的。

咱们利用来自Scikit-learn的LabelEncoder（标签编码器）对标签举行编码，将字母R和M分贝转换为数字0和1。一种热编码还将分类特性转换成为了一种与算法更合意的格局。正在这个示例中，咱们的Y变量与R和M相似是分类对象，利用标签编码器，咱们将这些字母变量转换为了1或0。

为了更好地用Keras说明图像收拾经过，咱们将利用来自“Kaggle猫狗竞赛”的数据。这个竞赛的目标是斥地一个可以用来分辨图像中包括的是一只狗照样一只猫的算法。对待人类来说，分辨猫狗是很简略的，但对待策动机来说可就杂乱的众了。正在这项“分辨猫狗”的离间中，有25000张记号了猫狗的教练图片，测试数据库中另有12500张等着咱们去记号。遵照Kaggle官网，当这个竞赛入手时（2013年岁暮）：

“目前的文献评释，呆板分类器正在这个劳动上的凿凿度能抵达80%以上。”是以，若是咱们能告成冲破80%的凿凿度，咱们就能跃居2013年的手艺兴盛最前沿。

念要剖析更众细节、举行下一步的进修或对深度进修举行尖端钻研，我剧烈推选Fast.ai的搜集公然课程。我鄙人面的代码中援用了fast.ai，它为咱们的进修供给了一个很好的开始。

从Kaggle网站上下载猫、狗的图片数据，将其存在正在你的电脑上。正在本文提到的示例中，我会正在我的iMac电脑上运转代码。

Jeremy Howard供给了一个Python适用文献，助助咱们获取已封装的底子函数。咱们要做的第一步即是利用这个适用文献。下图即是这个适用文献。跟着细节的深刻，咱们将一步步掀开这个文献，看看隐蔽正在文献背后的新闻。

咱们正在第一步中简略地利用了一个十足为咱们创修的模子，这个模子可以识别各式各样的图像。第二步，咱们将利用VGG。VGG是一个万分容易创修和剖判的模子，它博得了2014年的“ImageNet离间赛”。VGG imagenet团队创修了两个模子——VGG 19和VGG 16。VGG 19是一个大型的、操作机能慢的、凿凿度稍佳的模子；而VGG 16是一个小型的、操作机能疾的模子。咱们将会利用VGG 16，由于VGG 19的操作机能斗劲慢，平淡不值得正在精准度上再做改革。

Vgg16创修于Keras（咱们将正在稍后商量更众闭于Keras的内容）之上。Keras是一个机动的、易于利用的、创修正在Theano和TensorFlow上的深度进修库。Keras利用一个固定的目次机闭来分批查看多量的图像和标签，正在这个目次机闭下，每一类教练图像都务必安顿正在孑立的文献夹里。

阅读到这里，就阐明你就仍旧选取了咱们正在上一篇著作中商量的外面，并做了少许本质的编程。若是你遵循上面的指示和注释竣事了两个示例，那么你就仍旧告成创修了你的第一个预测模子，并竣事了图像理解。