#python #neural-network #conv-neural-network #medical-imaging #neuro-image
Вопрос:
Я пытался передать набор данных изображений МРТ головного мозга (набор данных IXI) в сеть ConvNet, однако некоторые изображения имеют 140 каналов, некоторые другие-150 каналов. Как я могу сделать так, чтобы все изображения имели одинаковое количество каналов, чтобы у меня не возникло проблем с фиксированной формой ввода CNN? Я использую nibabel lib для чтения файлов .nii.
ПРАВКА: У меня мало знаний о МРТ-изображениях, какие каналы следует отбросить?
Ответ №1:
Очевидный подход, безусловно,:
- Найдите минимальное количество каналов в выборке.
- Отбросьте все остальные каналы для любого образца.
Теперь удаление может произойти с середины среза, который, вероятно, будет содержать лучшие детали. Но это зависит от конкретной области.
Или 2. вы можете выбрать среднее значение из числа каналов. и попробуйте отказаться от изображений с большим количеством каналов и добавить черный срез для изображений с меньшим количеством каналов.
Комментарии:
1. У меня мало знаний о МРТ-изображениях, поэтому, если я откажусь от последних каналов, я потеряю меньше информации? Также я думаю, что лучше добавить пустые каналы, верно?
2. Да, у вас будет некоторая информация. Но потеря информации не всегда плохо сказывается на машинном обучении, так как эта информация также может содержать большое количество шума. Итак, лучший вариант-эмпирически проверить, какой из них лучше подходит для вас.
Ответ №2:
Я предполагаю, что под «каналами» вы подразумеваете количество срезов, я прав? Затем другой подход заключается в дублировании некоторых изображений, чтобы все они имели 150 каналов. Если вы думаете об увеличении данных, дублирование (и, возможно, внесение незначительных изменений) может быть хорошей идеей. Конечно, в зависимости от фактического содержания ваших изображений это может быть применимо, а может и нет.