我正在开发卷积神经网络(CNN)模型来预测1,2,3或4类患者。我在TensorFlow上使用Keras。
我有64个乳腺癌患者数据,分为四类(1 =无疾病,2 = ......,3 = ......,4 =进展性疾病)。在每位患者的数据中,我在不同日期和每个MRI文件夹内拍摄了3组MRI扫描图像,我有7到8个子文件夹,包含不同平面的MRI图像(如冠状面/矢状面等) 。
我学会了如何处理基本的“Cat-Dog-CNN-Classifier”,这很容易,因为我把所有的猫和猫将狗图像分成单个文件夹来训练网络。但是,我如何解决乳腺癌患者数据中的问题?它有多个文件夹和子焊接器。
请建议。
答案 0 :(得分:0)
您需要构建导航文件夹的数据集。这可以在python中轻松完成。
因此,假设您有以下文件夹树:
root/
\__ Patient_1/
\__ \_______ MRI_1/
\__ \_______ \___ folder_1/
\__ \_______ \___ folder_2/
\__ \_______ \___ folder_3/
\__ \_______ \___ ... /
\__ \_______ \___ folder_8/
\__ \_______ MRI_2/
\__ \_______ ... /...
\__ Patient_2/
...
首先,您需要获取当前的工作目录(cwd):
import os
cwd = os.getcwd()
然后您可以开始构建数据集:
dataset = [];
for p in range(1, 65):
for mri in range(1, 4):
mri_folder = cwd + '/Patient_{}/MRI_{}/'.format(p, mri)
# Since we do not know how many folders there will be,
# we need to list all the folders in the current MRI folder.
folders_names = os.listdir(mri_folder)
for f in folder_names:
# list all images in current folder
fnames = os.listdir('{}/{}/'.format(mri_folder, f))
for fname in fnames:
# Now you can open your image and append it to dataset
希望它有所帮助!
答案 1 :(得分:0)
使用这个循环:
for _,_,files in os.walk("data_folder/"):
for name in files:
FP = os.path.join(root, name)
答案 2 :(得分:-1)
使用# Plot trends
figure(num=None, figsize=(12, 6), dpi=80, facecolor='w', edgecolor='k')
plt.plot(state_ca_month, state_median_price)
plt.show()
递归访问子目录中的所有文件并追加到数据集。