文件名称：osic-pulmonary-fibrosis-modeling:贝叶斯模型解决OSIC肺纤维化竞争中的kaggle
文件大小：93KB
文件格式：ZIP
更新时间：2024-04-16 15:54:37
tensorflow kaggle-competition stan bayesian-statistics Python
OSIC肺纤维化竞赛（贝叶斯模型） 介绍 OSIC肺纤维化进展竞赛是一项Kaggle竞赛，您需要完成预测FVC（强制肺活量）的任务，FVC与下一个146周的强制呼气量（FEV）测试中呼出的空气总量有关。 您将获得CT扫描图像，以了解过去几周的第一次相遇，元数据和信息。 方法 CT扫描处理 我们确定一个遮罩，以区分图像中的其他实体和肺部。 我用两种方法做到这一点：1）简单的像素阈值区分和2）KMeans聚类。 应用了进一步的图像处理（例如腐蚀和膨胀）以进一步区分这两个区域。 然后将识别出的蒙版应用于原始图像，以获得孤立的肺部图像。 这些操作的结果如下所示： 隔离肺部后，从生成的图像中确定像素统计信息，以用作后续模型中的特征。 确定了诸如均值，方差，偏斜和峰度之类的统计信息。 贝叶斯建模 使用马尔可夫链蒙特卡洛（MCMC）采样方法和变分推断来估计模型的参数。 生成模型是分层的，这意味着信息
【文件预览】：
osic-pulmonary-fibrosis-modeling-master
----download_files.sh(375B)
----osic_utils.py(8KB)
----models()
--------bayes_mcmc.py(6KB)
--------bayes_vi_unbatched.py(6KB)
----img()
--------masked_lungs.png(81KB)
----requirements.txt(179B)
----README.md(2KB)
----ct_scan_utils()
--------ct_scan_processing2.py(10KB)
--------ct_scan_processing.py(7KB)