简单地说，我想利用胸部X射线图像检测患者是否患有肺癌。
我在这里遇到的问题是： 我有来自3个不同来源的3个数据集，其中3个主题都是胸部X射线图像，假设所有其他医学特性也相同。 第一个数据集包含130例正常和癌症诊断患者的图像。 第二个数据集包含40例正常患者的图像 第三个数据集包含120例癌症患者的图像。
因此，我想结合来自3个不同来源的3个数据集来训练和评估我的模型。 我打算混合并重新整理所有数据，然后开始拆分为训练，验证和测试集。可以吗？
还有什么我应该注意的事情/特征吗？
答案 0 :(得分：0)
据我所知，通常混合数据集并不是一件好事，尤其是当数据集彼此之间不太相似时。但是，对于您而言，您说的都是人肺的X射线图像。我们希望所有图像都非常相似，因此混合它们不会以不好的方式影响性能，但我想是以一种好的方式。
在深度学习领域，拥有大量数据总是好的。特别是大型神经网络需要大量数据。您的数据对我而言似乎较少。我建议您使用简单的网络。
简而言之，合并的所有图像是否有可能来自同一来源？也就是说，它们在总体上彼此相似，但仅在感染部位不同？如果是这样，请继续。
祝你好运