简介

这个仓库是用来储存 medmnist 3D医学影像多分类的代码 checkpoints是用来储存最好的模型结果的，将最好的模型放在project中做实时分类。

硬件配置

Nvidia 3060Ti ; Cuda 12.5 ; Cudnn 8.4.1 ;

requirements

numpy==1.21.2
torch==1.13.0
torchvision==0.14.0
tqdm==4.62.3
Pillow==8.4.0
matplotlib==3.4.3
flask==2.0.2
tensorboard==2.7.0
medmnist==2.2.1
protobuf==3.20.3

数据集

• 数据集为Medmnist
• Gitcode:链接

模型

基础模型链接：ResNet50

预训练权重

我们使用的是Tencent/Medicalnet的预训练权重链接。

将其下载下来放在pretrain文件夹中。

运行

启动环境：（配置自己的gpu环境）

conda create -n pytorch_gpu python=3.10

下载gpu驱动与对应pytorch的包

conda activate pytorch_gpu
pip install -r requirements

训练模型:

python train_resnet50.py

测试模型：

python test.py

结果

训练结果： 准确率为0.842，相对不错，但是ROC曲线比较差，可以尝试使用其他模型

训练过程:

最后准确率超过95%时，loss下降到0.1以下。

前端展示：(位于project文件夹下,使用flask框架进行展示) 将训练好的 best_model.pth 文件夹下放在 /project/models 文件夹下

cd project
python app.py

对比其他模型：