Classification-of-Anomalies-in-Gastrointestinal-Tract-through-Endoscopic-Imagery-Using-CNN

【文件属性】：

文件名称：Classification-of-Anomalies-in-Gastrointestinal-Tract-through-Endoscopic-Imagery-Using-CNN

文件大小：209KB

文件格式：ZIP

更新时间：2024-04-06 08:17:53

JupyterNotebook

使用CNN通过内窥镜图像对胃肠道异常进行分类 在这一挑战中，您将学习如何将机器学习应用于医学成像。 您将使用人体胃肠道（GI）内窥镜成像来检测不同的异常类型。 在此任务中，您将探索KVASIR数据集。 您应该在给定的医学数据集上训练分类模型，以使用内窥镜图像对胃肠道中的异常进行分类。 我们建议使用具有转移学习功能的深度卷积神经网络。 该数据集由8个不同类别（不同异常）中的8,000个带注释的GI道图像组成，其中1000个图像属于每个类别。 它包含解剖学界标； Z线，幽门和盲肠，病理发现； 食道炎，息肉，溃疡性结肠炎和息肉清除征象； 染色提起息肉，染色切除切缘。 您可以从或下载图像数据集 Keras：Keras是流行的深度学习框架。 阅读并遵循本教程，使用TensorFlow后端安装Keras。 NumPy和Scikit学习：如果您遵循上面直接链接的Keras安装说明，则会安

【文件预览】：
Classification-of-Anomalies-in-Gastrointestinal-Tract-through-Endoscopic-Imagery-Using-CNN-main
----CNN MODEL(Team - NullPointers).ipynb(288KB)
----README.md(5KB)