基于Keras的转移学习用于医学图像分类

Question

我正在尝试从imagenet上的预训练模型进行迁移学习，以解决肺CT切片的分类任务。

这些切片存储在dicom文件中，因此它们的值在Hounsfield标度中以12位表示。我的问题是: keras / tf2 api的preprocess_input需要一个0,255的值矩阵，那么我如何对我的图像进行预处理，以便将它们提供给预先训练的convnet？我可以在0,1中归一化图像的范围吗?还是强制使用模型的preprocess_input？如果preprocess_input是必需的，我如何映射0,255范围内的12位值

Answer 1

您可以使用pydicom库将您的图像从Dicom格式转换为其他格式(即PNG)。然后，您可以正常输入这些转换后的图像。

安装：

pip install pydicom

使用：

import pydicom
import cv2
ds = pydicom.read_file(path) # read dicom image
img = ds.pixel_array
cv2.imwrite(save_path, img)