文件名称：Lung-Diseases-Classifier:从NIH胸部X射线数据检测疾病
文件大小：13.04MB
文件格式：ZIP
更新时间：2024-06-03 19:28:44
udacity keras cnn kaggle lung-cancer-detection
从胸部X射线数据检测疾病 机器学习顶点项目-Udacity MLND 项目概况 由于人们可以患上许多肺部疾病，这只是如果我们较早发现它们可以挽救的疾病的一个例子。 借助先进的机器和计算机技术，可以及早发现疾病，尤其是肺部疾病，可以帮助我们更早更准确地进行检测，从而可以节省许多人的精力，并减轻系统的压力。 卫生系统没有随着人口的增长而及时发展。 分析 数据探索 探索性可视化 数据集 文件内容：这是整个数据集的一个随机样本（5％）：sample.zip：包含5,606张大小为1024 x 1024的图像sample_labels.csv：整个数据集的类标签和患者数据 类别说明：完整数据集中有15个类别（14种疾病，一个为“无发现”），但是由于这是完整数据集的大幅简化版本，因此某些类别稀疏，并标记为“无发现” ：疝气-13张图像，肺炎-62张图像，纤维化-84张图像，水肿-118张图像，肺气肿-
【文件预览】：
Lung-Diseases-Classifier-master
----Data preprocessing - SampleDataset.ipynb(8KB)
----Capsule Network basic - SampleDataset.ipynb(74KB)
----images()
--------vallina.jpg(100KB)
--------chart.jpg(102KB)
--------Optimized CNN.jpg(173KB)
--------CapsNet.jpg(70KB)
--------00000017_001_small.png(52KB)
----Capsule Network - SampleDataset.ipynb(67KB)
----Data analysis - SampleDataset.ipynb(383KB)
----proposal.odt(297KB)
----vanilla CNN - FullDataset.ipynb(50KB)
----Demo.ipynb(1.23MB)
----SampleDataset Log()
--------CapsNet_log.csv(6KB)
--------log_pretrained_CNN.csv(9KB)
--------log_pretrained_extradata_CNN.csv(4KB)
--------log_bCNN_rgb.csv(563B)
--------log_pretrained_extradata_stn_CNN.csv(4KB)
--------log_bCNN_gray.csv(793B)
----FullDataset Log()
--------CapsNetBasic_log.csv(3KB)
--------CapsNet_log.csv(6KB)
--------log_pretrained_CNN.csv(3KB)
--------log_bCNN_rgb.csv(2KB)
--------log_pretrained_extradata_stn_CNN.csv(3KB)
----LICENSE(11KB)
----capsulelayers.py(9KB)
----spatial_transformer.py(7KB)
----vanilla CNN - SampleDataset.ipynb(38KB)
----Data analysis - FullDataset.ipynb(1.77MB)
----Capsule Network - FullDataset.ipynb(72KB)
----data sample()
--------images()
--------sample_labels.csv(422KB)
--------Data_Entry_2017.csv(8.26MB)
----.github()
--------FUNDING.yml(602B)
----utils.py(2KB)
----README.md(6KB)
----optimized CNN - SampleDataset.ipynb(80KB)
----proposal.pdf(289KB)
----optimized CNN - FullDataset.ipynb(56KB)
----Capsule Network basic - FullDataset.ipynb(60KB)
----report.odt(1.52MB)
----report.pdf(3.57MB)