CheXNet

CheXNet论文《胸科疾病的分类与定位》的Python3 (TensorFlow)再实现

先决条件

• Python 3.8 +
• TensorFlow 2.5 +
• 在文本文件中指定的所有需求

使用

1. 克隆这个存储库。
2. 让安装使用PIP安装-r requirements.txt．
3. 使用DVC通过运行来提取存储在DAGsHub远程存储上的文件"拉
4. 根据您的需要修改代码。
5. 运行"的复制品运行管道并训练模型。

评估阶段得出的热图应该是这样的

ChestX-ray14数据集

45GB数据集包含112,120张正面胸部x光图像，基于单个tarball组织了14个不同的文件夹。有一个带有目标标签、图像id、患者id以及其他患者元数据的图像主列表。数据集可在Kaggle平台上获得。

1 gb-dataset

要使用更小的采样数据集，在存储库的根目录下运行以下命令:

Git update-index——假设data_labeling/data未更改。"curl //www.kkolawyers.com/nirbarazida/CheXNet/raw/d74cccbd0957c41dac7560565d2b7b4df3c0d195/data_labeling/data.dvc -o data_labeling/data.dvc

确认

• 数据
• 许可:CC BY 4.0
• 引用

注意:如果您在不同的目录中添加/删除/移动文件，它可能会影响DVC管道，因此"的复制品命令可能无法正常运行。