Skip to content

JinGyunJeong/Detect_covid19_from_CXR

Repository files navigation

Detect_covid19_from_CXR -- accuracy : 99.03%

사용 모델 :

  • Inception_Resnet_V2 사전 훈련모델의 feature_model -- 218MB -- lfs

  • initial model --> tensorflow_hub

  • final_model --> keras.applications

  • CXR 이미지를 분류할 분류모델 --3MB

Covid19_prediction_with_CXR.ipynb /code review

  • 함수 하나로 구성된 코드로 예측을 수행할 CXR 이미지의 경로,
  • feature_model의 경로, 분류기 모델의 경로를 차례로 파라미터로 넣어주면
  • COVID19, NORMAL, PNEUMONIA 세 가지로 분류하게 된다. 정확도는 95%임을 확인하였다.

InceptionResnet.ipynb /code review

  • feature_model에 inceptionResnet_V2의 feature_model을 다운로드 받고 변수에 저장한다.
  • imageDataGenerator로 파일의 전처리를 수행한 후 하나씩 feature_model로 예측을 수행한 후 리스트로 저장한다. (train/ valid set)
  • 분류기 모델에 특징을 분석한 리스트를 훈련과 검증 데이터로 입력 후 모델을 훈련시킨다. -- 정확도 약 95%
  • 모델을 사용하여 예측을 진행한다.

HeatMap+Prediction-inception_Resnet_V2.ipynb /code review

  • feature_model과 model을 지정된 경로에서 load하여 사용한다. tensorflow_hub는 사용하지 않았다.
  • feature_vector에서 판단의 근거가 된 특징부분을 heatmap으로 나타내었다. CAP(Class Activation Mapping)

Grad-CAM class activation visualization.ipynb / code review

  • feature_model은 사전훈련모델 keras.applications.inception_resnet_v2에서 include_top=False로 가져왔고, classifier_model은 직접 구성하였다.
  • 분류모델은 feature_model을 통해 나온 feature_vector로 학습시켰다.
  • feature_vector에서 판단의 근거가 된 특징부분을 heatmap으로 나타내었다. CAP(Class Activation Mapping)
  • model 예측 시각화 포함.


  • 경로설정 필요.

사용데이터

initial_model

final_model : CXR이미지 (covid19 : 1300, normal : 5000, pneumonia : 5000)

result

  • initial model
    예측 정확도 : 96.55%

  • final_model
    accuracy : 99.03%, loss : 0.05

  • confusion matrix

  • a:covid/b:normal/c:pneumonia
    screenshot_20171221-151714

  • 배포 서버 :

  • 프로젝트 github address : https://github.com/Lagom92/CXR_AI

치명적인 오류 및 해결

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published