【发布时间】：2019-09-13 09:01:59
【问题描述】：
我想用 Keras 为一系列 CT 图像制作分类模型。我的数据集来自 50 位患者，每位患者有 1000 张图像。对于患者而言，每张图像都与前一张图像具有有意义的关系。我想使用这些有意义的关系，所以我不知道如何为这样的问题建立模型。你能给我一个想法或例子吗？
【问题讨论】：
标签： machine-learning keras deep-learning classification conv-neural-network
【发布时间】：2019-09-13 09:01:59
【问题描述】：
您的问题是在序列分类的上下文中。您需要对图像序列进行分类。在这种情况下，需要一个模型来学习两个方面：
- 图片的特点
- 序列的特征（时间或时间相关的特征）
这听起来可能类似于视频分类，其中视频是由多个帧组成的序列。见here。
用于从图像中提取特征：
大多数实际案例都使用卷积神经网络。他们使用 Max Pooling 和 Convolution 等层。它们非常擅长从 3D 输入（如图像）中提取特征。您可以通过here了解更多信息。
用于处理时间数据：
这里是您需要 RNN（循环神经网络）的地方。 LSTM ( Long-Short Term Memory ) 细胞是流行的 RNN，因为它们比传统 RNN 具有更强的记忆力。
RNN 保留隐藏层激活，并使用它们来处理序列中的每一项。因此，在处理序列中的第二张图像时，RNN 知道或激活了同一序列中的第一张图像。
您可以通过here了解更多信息。
最后，我们需要融合上述两个网络：
CNN-LSTM 网络使用卷积和 LSTM 单元对图像序列进行分类。
希望对您有所帮助。 :-)
【讨论】：
-
加载数据怎么样，我可以用什么来代替train_datagen.flow_from_directory / datagenerator？