تشخیص التهاب سینه با Kaggel

سلام، به مجموعه درسهای آموزش پایتون در حوزه پزشکی خوش اومدید! دراین درس قصد داریم به تشخیص التهاب سینه بر اساس RSNA (انجمن رادیولوژی شمال امریکا) با استفاده از Kaggel api بپردازیم.

این درس در حوزه هوش مصنوعی پزشکی می باشد که در آن از فریم ورک های یادگیری ماشین تنسورفلو استفاده شده است و به طورکلی، به منظور تشخیص آبجکت و تقسیم بندی نمونه ها الگوریتم Mask-RCNN بکار برده شده است.

خب حالا شروع می کنیم به کدنویسی، برای اینکار ما از بستر GoogleColab استفاده کردیم که یک بستر راحت و همیشه در دسترسه، شما هم میتونید وارد سایت GoogleColab بشید و یک پروژه جدید ایجاد کنید و کدهای زیر رو بنویسید:

قدم اول: نصب کتابخانه ها:

 

# install dependencies not included by Colab
# use pip3 to ensure compatibility w/ Google Deep Learning Images 
!pip3 install -q pydicom 
!pip3 install -q tqdm 
!pip3 install -q imgaug 


قدم دوم: نصب Kaggle API برای دانلود دیتاهای رقابتی

 

# Install Kaggle API for download competition data
!pip3 install -q kaggle


قدم سوم: باید وارد سایت kaggle بشید و با ثبت نام در آن، نام کاربری و رمز ورود دریافت کنید: و در قسمت زیر وارد کنید:

 

# enter your Kaggle credentionals here
os.environ['KAGGLE_USERNAME']=""
os.environ['KAGGLE_KEY']=""

و کدهای زیر را برای ورود و دریافت دیتا بنویسید:

 

# Root directory of the project
ROOT_DIR = os.path.abspath('./lesson3-data')

# Directory to save logs and trained model
MODEL_DIR = os.path.join(ROOT_DIR, 'logs')

if not os.path.exists(ROOT_DIR):
    os.makedirs(ROOT_DIR)
os.chdir(ROOT_DIR)

 

# If you are unable to download the competition dataset, check to see if you have 
# accepted the user agreement on the competition website. 
!kaggle competitions download -c rsna-pneumonia-detection-challenge


که به صورت زیر عملیات نصب و دریافت دیتا انجام خواهد شد:

 

ادامه دارد…..

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...