CT Medical Image Classification
(0) 서론, 액션플랜
(1) DICOM 파일 array로 전환 및 시각화
(2) DataLoader 만들기
(3) 모델 만들기
생각해보니,, classification은 iou 같은 성능 지표를 만들 필요가 없었다 .
그래서 금방 끝나버림유
model.eval()
predictions = []
for i, path in enumerate(X_test):
  image = dicom_2_array('/content/drive/MyDrive/video/archive/dicom_dir/' + path)
  image = torch.FloatTensor(image)
  image = image.reshape(1,512,512,1)
  image = image.permute(0,3,1,2)
  image = image.to(device)
  outputs = model(image)
  predictions.extend([1 if i>0.5 else 0 for i in outputs])
그래서 이렇게 prediction 을 만듦
이제 prediciton과 함께 y_test를 이용해서 confusion matrix를 만들었다.
결과를 보면 아래와 같이.
confusion_matrix(y_test, predictions)

한 포스팅으로 만들기 민망한 수준이네..
'딥러닝 > 프로젝트' 카테고리의 다른 글
| [Kaggle] CT Medical Image - (6) 결과 정리 및 시각화 (0) | 2021.10.03 | 
|---|---|
| [Kaggle] CT Medical Image - (5) Augmentation (0) | 2021.10.01 | 
| [Kaggle] CT Medical Image - (3) 모델 만들기 (0) | 2021.09.30 | 
| [과제] 당뇨병 환자 클러스터링 (0) | 2021.09.29 | 
| [Kaggle] CT Medical Image - (2) DataLoader 만들기 (0) | 2021.09.27 | 
										
									
										
									
댓글