茶叶网站设计,建设网站要求和注意事项,网站开发未来,上海建设网站平台肺炎尽管很常见#xff0c;但准确诊断是一项困难的任务。它要求训练有素的专家对胸部X光片进行检查#xff0c;并通过临床病史#xff0c;生命体征和实验室检查进行确认。肺炎通常表现为胸部X光片上一个或多个区域的阴影(opacity)增加。但是#xff0c;由于肺部有许多其他状… 肺炎尽管很常见但准确诊断是一项困难的任务。它要求训练有素的专家对胸部X光片进行检查并通过临床病史生命体征和实验室检查进行确认。肺炎通常表现为胸部X光片上一个或多个区域的阴影(opacity)增加。但是由于肺部有许多其他状况例如体液超负荷肺水肿出血体液丢失肺不张或塌陷肺癌放疗后或手术改变也会产生阴影(opacity)因此对胸部X光片肺炎进行诊断非常复杂。在肺外胸膜腔积液胸腔积液也表现为胸部X光片的阴影(opacity)增加。 患者的拍片位置和吸气深度之类的许多因素可能会改变胸部X光片的外观使解释更加复杂。临床医生因此要读取大量的图像。北美放射学会RSNA® 因此希望通过ML的手段自动定位肺部阴影(opacity),以便优先进行检查并加快检查速度。 本文介绍了基于深度学习yolov8的肺炎检测系统包括训练过程和数据准备过程同时提供了推理的代码和GUI。对准备计算机视觉相关的毕业设计的同学有着一定的帮助。 检测结果如下图 一、安装YoloV8 yolov8官方文档主页 - Ultralytics YOLOv8 文档 安装部分参考官方安装教程 1、安装pytorch 根据本机是否有GPU安装适合自己的pytorch如果需要训练自己的模型建议使用GPU版本。 ①GPU版本的pytorch安装 对于GPU用户安装GPU版本的pytorch首先在cmd命令行输入nvidia-smi查看本机的cuda版本如下图我的cuda版本是12.4如果版本过低建议升级nvidia驱动 打开pytorch官网选择合适的版本安装pytorch如下图建议使用conda安装防止cuda版本问题出现报错 ②CPU版本pytorch安装 打开pytorch官网选择CPU版本安装pytorch如下图 2、安装yolov8 在命令行使用如下命令安装 pip install ultralytics 二、数据集准备 本文数据集来自https://www.kaggle.com/c/rsna-pneumonia-detection-challenge/overview 该数据集包含5950个训练数据662个测试数据数据如下图 为了使用yolov8算法进行训练需要将该数据转换为yolov8格式本文提供转换好的数据集下载连接RSNA PneumoniaRSNA肺炎yolov8格式数据集该数据集包含5950个训练数据662个测试数据 三、模型配置及训练 1、数据集配置文件 创建数据集配置文件rsna_pneumonia.yaml内容如下将path路径替换为自己的数据集路径 # Ultralytics YOLO , AGPL-3.0 license # COCO 2017 dataset http://cocodataset.org by Microsoft # Example usage: yolo train datacoco.yaml # parent # ├── ultralytics # └── datasets # └── coco ← downloads here (20.1 GB)# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..] path: D:\DeepLearning\datasets\csdn\rsna_pneumonia_yolov8 # 替换为自己的数据集路径 train: images/train val: images/val test: images/test # Classes names:0: pneumonia 2、训练模型 使用如下命令训练模型数据配置文件路径更改为自己的路径model根据自己的需要使用yolov8n/s/l/x版本其他参数根据自己的需要进行设置 yolo detect train projectrsna_pneumonia nametrain exist_ok datarsna_pneumonia/rsna_pneumonia.yaml modelyolov8n.yaml epochs100 imgsz6403、验证模型 使用如下命令验证模型相关路径根据需要修改 yolo detect val imgsz640 modelrsna_pneumonia/train/weights/best.pt datarsna_pneumonia/rsna_pneumonia.yaml精度如下 # Ultralytics YOLOv8.1.20 Python-3.9.18 torch-2.2.0 CUDA:0 (NVIDIA GeForce RTX 3060, 12288MiB) # YOLOv8n summary (fused): 168 layers, 3005843 parameters, 0 gradients, 8.1 GFLOPs # val: Scanning D:\DeepLearning\datasets\csdn\rsna_pneumonia_yolov8\labels\val.cache... 607 images, 55 backgrounds, 0 corrupt: 100%|██████████| 662/662 [00:00?, ?it/s] # Class Images Instances Box(P R mAP50 mAP50-95): 100%|██████████| 42/42 [00:1200:00, 3.47it/s] # all 662 962 0.541 0.559 0.539 0.225 # Speed: 0.5ms preprocess, 7.0ms inference, 0.0ms loss, 2.5ms postprocess per image 四、推理 训练好了模型可以使用如下代码实现推理权重路径修改为自己的路径 from PIL import Image from ultralytics import YOLO# 加载预训练的YOLOv8n模型 model YOLO(best.pt)image_path test.jpg results model(image_path) # 结果列表# 展示结果 for r in results:im_array r.plot() # 绘制包含预测结果的BGR numpy数组im Image.fromarray(im_array[..., ::-1]) # RGB PIL图像im.show() # 显示图像im.save(results.jpg) # 保存图像 五、界面开发 使用pyqt5开发gui界面支持图片、视频、摄像头输入支持导出到指定路径其GUI如下图(完整GUI代码可在下方链接下载) 代码下载连接基于yolov8的肺炎检测系统包含训练好的权重和推理代码GUI界面支持图片、视频、摄像头输入支持检测结果导出​​​​​​​