使用Keras进行转移学习以进行医学图像分类

Question

我正在尝试从图像网上的预训练模型中进行转移学习，以解决肺部CT切片的分类任务。

这些切片存储在dicom文件中，因此它们的值以Hounsfield标度的12位表示。我的问题是：preprocess_input的keras / tf2 api需要[0,255]中的值矩阵，因此如何预处理图像以将其馈送到经过预先训练的convnet？我可以规范[0,1]中的图像范围，还是必须使用模型preprocess_input？如果preprocess_input是强制性的，如何映射[0,255]范围内的12位值？

Answer 1

您可以使用pydicom库将图像从Dicom格式转换为其他格式（即PNG）。然后，您可以正常地提供那些转换后的图像。

安装：

pip install pydicom

用途：

import pydicom
import cv2
ds = pydicom.read_file(path) # read dicom image
img = ds.pixel_array
cv2.imwrite(save_path, img)