基于Keras的医学图像分类迁移学习

Question

我正在尝试从imagenet上预先训练的模型进行转移学习，以解决肺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比例的12位表示。我的问题是：preprocess_input的keras/TF2API需要[0255]中的值矩阵，那么我如何预处理图像以将它们提供给预先训练的convnet？我是否可以规范化[0,1]中的图像范围，或者强制使用preprocess_input个模型？如果preprocess_input是必填项，如何映射范围[0255]中的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，您可以正常地输入这些转换后的图像

安装：

pip install pydicom

使用：

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