我是 ML 新手，希望通过一些项目来学习。我有一个医学成像数据集，其中放射科医师已经查看了图像（图像是对象的时间序列，因此有多个图像），并且他们对某些病理学进行了 1-5 级的分级。
现在，我想基本上用它来预测新图像的病理学。我猜想有多种方法可以做到这一点。有人可以指出我可以尝试的一些方法（简单到更高级），因为我也想了解它们。
另一个问题是不同的图像具有不同的大小。这通常是这些方法的问题吗？我可以尝试一些可以注册它们的东西，以便它们具有相同的大小。
带标签图像的监督学习
数据挖掘
机器学习
分类
监督学习
计算机视觉
2022-02-25 09:29:00
1个回答
我从事过类似的项目（使用 PET 等医学图像来预测结果）。越来越多地用于预测癌症治疗结果的方法是纹理分析：https ://www.ncbi.nlm.nih.gov/pubmed/21321270
另一种纹理分析方法使用小波变换：https ://www.ncbi.nlm.nih.gov/pmc/articles/PMC3505569/
导出纹理特征后，您可以在 ML 模型中使用这些特征进行预测。
纹理分析的一个好处是它几乎与目标的大小无关。然而，它更依赖于分辨率。如果您的图像是在不同的扫描仪上生成的，您可能需要重新采样以标准化图像。
关于医学成像深度学习的研究较少，但它肯定具有一些令人兴奋的潜力。问题是 CNN 是否可以发现细微的差异。从我所看到的（我会寻找参考）来看，CNN 的表现还没有超越任何其他方法。
也许添加更多细节，以便我们更好地了解您的目标是什么？