https://mp.weixin.qq.com/s?__biz=MzkxMTIxNzAwNg==&mid=2247486870&idx=1&sn=c53f361fb5d8138fa36d8503df24553e&chksm=c11ed597f6695c810db87de31c7876ed312010c1cde5f9eed8dba48076edbc4cf1fe1f6752d9#rd

影像组学路径图

感谢《David》同学分享的深度特征结合影像组学（MedicalNet三维深度特征）

  参加培训班，争取进小班

（免费）你也可以做引路人

整体过程

参照呼呼和曹诗文同学的帖子，本人顺利跑通全过程，感谢呼呼和曹诗文同学。

http://medai.icu/thread/84

http://medai.icu/thread/101

第一部分 前期工作

1. 配置MedicalNet：下载数据，pycharm打开。因为onekey和MedicalNet_master中都有dataset和utils，重命名为dataset_med和utils_med，同时在train.py中进行相应修改。

2. 跑通demo：本人选择resnet-18，以防显存不足。

第二部分 深度特征提取

1. 依次修改代码（具体参见呼呼和曹诗文同学的帖子）：

resnet.py

train.py

brains18.py

train.py

2.终端运行：

python train.py --gpu_id 0（注：我在代码页运行train.py报错）（只运行了50个循环）

生成feature.txt文件

3.删除多余的特征，只留最后一次的特征

第三部分 传统影像组学

1. 数据读取

2. 

3. 特征数据准备

去除不要的列，增加诊断列

数据降维、字符转换为数值、训练集测试集随机划分

3.模型训练

4.模型预测

后面部分跟之前传统组学一致

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！