带标记图像的监督学习

Question

我是新来的ML和期待学习与一些项目。我有一个医学影像数据集，其中一个图像(图像是一个物体的时间序列，所以多幅图像)已经被放射学家看过了，他们已经将其分级为1-5，因为某些病理。

现在，我想用这个来预测新图像上的病理。我猜想有多种方法可以做到这一点。有人能告诉我一些方法，我可以尝试(简单到更高级)，因为我也想了解它们。

另一个问题是不同的图像大小不同。对于这些方法来说，这通常是个问题吗？我可以尝试一些我可以注册的东西，这样它们的尺寸就一样了。

Answer 1

我从事过类似的项目(使用医学图像，如PET来预测结果)。一种越来越多的预测癌症治疗结果的方法是纹理分析：https://www.ncbi.nlm.nih.gov/pubmed/21321270。

另一种纹理分析方法是利用小波变换：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3505569/。

在导出纹理特征之后，您可以使用ML模型中的纹理特征来进行预测。

纹理分析的一个好处是它基本上与目标的大小无关。然而，它更多地取决于决议。如果您的图像是在不同的扫描仪上产生，您可能需要重采样，以使图像正常化。

关于医学影像深度学习的研究较少，但肯定有一些令人兴奋的潜力。问题是CNN是否能发现细微的差异。据我所见(我将寻找一个参考)，CNN还没有超过任何其他方法。

也许再加几个细节，这样我们就能更好地了解你的目标是什么？