在进行深度学习时，我是否可以使用来自不同来源的数据集

Question

简单地说，我想利用胸部X光图像来检测患者是否患有肺癌。

我在这里面临的问题是:我有来自3个不同来源的3个数据集，其中3个主题都是胸部X光图像，假设所有其他医学属性也是相同的。第一个数据集包含130张正常和癌症诊断患者的图像。第二个数据集包含40张正常患者的图像，第三个数据集包含120张癌症患者的图像。

因此，我想组合来自3个不同来源的3个数据集来训练和评估我的模型。我打算混合和洗牌所有的数据，然后开始分裂成训练，验证，测试集。这样可以吗？

有没有其他我应该注意的东西/特征？

Answer 1

据我所知，通常情况下，混合数据集不是一件好事，特别是当数据集彼此不是很相似的时候。然而，在你的案例中，你说所有这些都是人类肺部的X射线图像。我们希望所有的图像都非常相似，所以混合它们不会以一种不好的方式影响性能，但我想是以一种好的方式。

在深度学习领域，拥有大量的数据总是很好的。尤其是大型神经网络需要大量的数据。你的数据对我来说似乎更少了。我建议你使用简单的网络。

简而言之，是不是所有的图片都来自同一个来源？也就是说，它们在总体上是相似的，但只是在有感染的地方不同？如果是这样的话，请继续。

祝好运