计算机视觉 实验六

代码地址：Github

实验要求

  1. 调用pyradiomics库提取图像中病灶的影像组学特征；
  2. 基于影像组学特征，训练机器学习模型（任选），预测肺结节良恶性；

实验提交

  1. 提取影像组学的py脚本以及提取好的影像组学特征（保存为csv格式文件）；
  2. 机器学习训练和测试代码，一个py文件执行训练，一个py文件执行性能评估；
  3. PPT简单汇报采用的评估指标，至少包含accuracy、precision、recall以及ROC曲线图。

实验过程

生成 viz _pngs

使用 transfer.py 生成 viz _pngs

生成 csv

使用 foTocsv.py 生成 csv 文件，例如

image-20230416131044802

模型训练

使用 train.py 进行训练，采用如下四个模型进行训练，获得 ROC 曲线如下

roc

模型测试

使用 test.py 对表现最好的模型随机森林进行模型评估，结果如下

  • 验证集上 accuracy：0.8
  • 验证集上 precision： 0.62
  • 验证集上 recall： 0.96875
  • 验证集上 F1 score：0.7560975609756097