Makine öğreniminden radyolojiye, bu öğrenme araç zinciri başlamanıza yardımcı olur
Makine öğrenimi ile radyoloji hakkında bilgi edinmek ister misiniz? Bu kolay bir iş değil.
Derin öğrenme, TensorFlow, Scikit-Learn, Keras, Pandas, Python ve Anaconda, pek çok yeni terim insanların başını döndürüyor. Resmi öğrenmeye başlamadan önce, bu baş döndürücü ve nispeten temel bilgilere hakim olmanız gerekir.
Çok sayıda çevrimiçi kaynak ve kitap kaynağı, daha iyi başlamamıza yardımcı olabilir. Bununla birlikte, çeşitli mükemmel öğreticileri öğrenmeye başlamadan önce, tüm ekolojiyi anlamak en iyisidir.
Her şeyden önce
Makine öğreniminde en yaygın kullanılan geliştirme dili Python'dur. Makine öğrenimine yeni başlayanların çoğu Python ile başlar, bu nedenle Python kaçırılmamalıdır.
Bu makale Python ile ilgili bilgileri öğretmeyi değil, geliştiricilerin devasa bir makine öğrenimi araç zincirinde nasıl başlayabileceklerini göstermeyi amaçlamaktadır.
Bu nedenle, ilk şey makine öğrenimi için Python'u ve diğer gerekli Python araçlarını indirmek olmalıdır.
Merhaba Unix
Python araçlarını kurmak ve yönetmek için komut satırı arayüzünü kullanmanız gerekir.
Bash mümkün olduğu kadar çok değil
Linux veya Mac için terminali kullanın. Finder'da mevcut > uygulama > Yarar > Programı terminalde bu yolda bulun.
Windows komut istemini kullanır. Windows simgesine tıklayın > Windows sistemi > Komut istemi veya Windows simgesine tıklayın ve cmd yazın.
İmlecin önünde yazan bir metin dizesi göreceksiniz
makineadı: dizin kullanıcı adı $
Kullanıcı "$" dan sonra girer.
İşte bazı yaygın komutlar:
Geçerli dizindeki dosyaları listeleyin: ls
Gizli dosyaları göster: ls -a
Kullanıcının ana dizinini girin: cd < klasör yolu >
Alt dizine geri dönün: cd ~ veya doğrudan cd girin
Ana dizine dönün: cd ..
İçinde bulunduğunuz son klasöre gidin: cd-
Mevcut çalışma dizinini görüntüleyin: pwd
Son komutu yeniden girmek için yukarı ok tuşunu kullanın. Önceki komuta dönmek için bu tuşa tekrar basın.
Pencereyi temizle: temizle
Dosyayı atom gibi bir metin düzenleyicide açın < dosya adı >
Uygulamayı (ping gibi) sonlandırmak için Ctrl + C tuşlarına basın
Python
Python, program çalıştırılmadan önce kaynak kodun makine koduna derlenmesini gerektiren derlenmiş bir dilden farklı olarak, programı çalıştırırken kodu satır satır okuyan yorumlanmış bir dildir.
Şu anda Python-Python2.7 ve Python3'ün iki farklı sürümü vardır. Python2.72020'de askıya alınacak ve gelecekteki Python3.x mutlaka uyumlu olmayacak. Öyleyse neden önceki sürümü düşünmüyorsunuz? Bazı çerçevelerin yalnızca Python 2.7'yi desteklemesi üzücü. Giriş kitaplarının ve çevrimiçi kaynakların çoğu bu sürümde yazılmıştır. Bu problem nasıl çözülür?
Neyse ki, bilgisayar aynı anda iki sürümü çalıştırabilir ve sabit diskteki farklı klasörlerde farklı sanal ortamlar çalıştırabilir. Bu şekilde, bir yandan ilgili görevleri tamamlamak için Python2.7'yi diğer klasörlerde çalıştırabiliriz ve diğer yandan da makine öğrenimi görevlerinin çoğunu tamamlamak için Python3.7 kullanabiliriz.
Virtualenv, Python Environment Wrapper (pew), venv ve pyvenv, farklı Python sanal ortamlarını yönetmek için kullanılan araçlardır. Bunların en basiti, Anaconda kullanılırken Python ile kurulan Conda'dır.
https://imgs.xkcd.com/comics/python_environment.pn
Anaconda
Anaconda açık kaynaklı bir platformdur ve Linux, Mac OS X ve Windows'ta makine öğrenimi için Python'u kullanmanın en kolay yolu olabilir. Programlama ortamının yönetilmesine yardımcı olabilir ve ayrıca veri biliminde yaygın olarak kullanılan Python paketlerini içerir.
Her platform sürümü için portal: https://www.anaconda.com/distribution/
Sisteme uygulanabilir Python sürümünü yükledikten sonra, daha sonra ortamı kurmanız gerekir.
Conda
Conda, Anaconda tarafından kullanılan Python paket yöneticisi ve ortam yönetim sistemidir. Kullanıcılar gerekli paketlerin çoğunu Conda aracılığıyla indirebilir ve kurabilir, ancak bu her derde deva değildir. Kalan kurulamayan kısım, daha sonra ayrıntılı olarak anlatılacak olan komut satırı pip aracılığıyla tamamlanabilir.
Mevcut ortamın paketlerini görüntülemek istiyorsanız, şunu yazın:
conda list env
Mevcut Conda sürümünü görüntülemek istiyorsanız, şunu yazın:
conda -version
(Sürüm 4.1.0'dan düşükse, lütfen Conda'yı güncellemek için conda update conda girin)
Anaconda Navigator'da ayrıca sol menü çubuğundan Ortamlar'ı seçebilir ve ardından bir ortam oluşturmak için Oluştur düğmesine basabilirsiniz.
Anaconda Navigator ile "new_env" adlı yeni bir ortam oluşturun
Komut satırından da bir ortam oluşturabilirsiniz. Aşağıdaki örnek, "py27" adlı yeni bir ortam oluşturmak için Python2.7'yi kullanır:
conda oluştur -n py27python = 2.7
Ortamı etkinleştirmek için şunu yazın:
conda aktivasyonu < your_env_name >
Mevcut ortamı devre dışı bırakmak için şunu yazın:
conda devre dışı bırak
Bu ortamı kaldırmak için şunu yazın:
conda kaldırma-adı < your_env_name > -herşey
Tüm conda ortamlarını listelemek için şunu yazın:
conda bilgisi --envs
* İşaretli ortam, mevcut aktif ortamdır
Mevcut ortamın paketlerini görüntülemek için şunu yazın:
conda list env
Şu anda çalışan Conda sürümünü görüntülemek istiyorsanız, şunu yazın:
conda -version
(Sürüm 4.1.0'dan düşükse, lütfen Conda'yı güncellemek için conda update conda girin)
Pip kullanılarak iki önemli makine öğrenimi paketi, TensorFlow ve Keras kurulabilir. Kullanıcılar ayrıca TuriCreate'i Apple sistemlerinde bir makine öğrenimi çerçevesi olarak yükleyebilir.
Bilim yığını
Aşağıdaki Python paketleri bilimsel yığınlardır ve aşağıdakiler dahil birçok disiplinde kullanılabilir:
NumPy: Dizileri ve matrisleri verimli bir şekilde işlemek için bir kitaplık
Portal:
SciPy: matematiksel ve bilimsel problemlerle başa çıkmak için bir araç seti
Portal: https://www.scipy.org/
matplatlib: Python'da standart 2D çizim kitaplığı
Portal: https://matplotlib.org/
pandalar: Matris veri yapısı, işaret dizini, zaman işlevi vb. gibi işlevlere sahip bir kitaplık.
Portal: https://pandas.pydata.org/
Scikit-learn: makine öğrenimi algoritma kitaplığı
Portal: https://scikit-learn.org/stable/
Jupyter: Web tabanlı bir dizüstü bilgisayarda çalışan etkileşimli bir Python kabuğu
Portal: https://jupyter.org/
Seaborn: istatistiksel veri görselleştirme için
Portal: https://seaborn.pydata.org/index.html
Bokeh: etkileşimli veri görselleştirme için
Portal: https://bokeh.pydata.org/en/latest/
PyTables: HDF5 kitaplığı için Python sarmalayıcı
Portal: https://www.pytables.org/
Kullanıcılar, yukarıdaki paketleri ve ilgili bağımlılıkları kurmak için Anaconda'yı kullanabilir ve ayrıca yeni oluşturulan ortamda gerekli paketleri arayabilirler.
Anaconda Navigator'da ihtiyacınız olan paketi arayın
Ardından, onay kutularını işaretleyerek ve "uygula" yı tıklayarak listeden ihtiyaç duydukları paketleri seçin.
Sonraki adım, yukarıda açıklandığı gibi pip komutunu çalıştırarak TensorFlow ve Keras'ı kurmaktır. (Apple'ın CoreML'sini kullanmak istiyorsanız, Turi Create'i de kurabilirsiniz)
pip
pip genel bir python paket yöneticisidir. Ayrıntılar portalı: https://pypi.org/project/pip/
pip kurulumu - yükseltme
Pip kullanarak bir paket kurmak için aşağıdaki komutu girebilirsiniz:
pip kurulumu < paket ismi >
Python dosyalarını düzenleyin
Mac'teki terminalde veya Windows'ta konsolda python ile etkileşim kurabilirsiniz. Kod yazmak istiyorsanız, çoğu kişi Atomhttps: //atom.io/ veya Sublime Text https://www.sublimetext.com/ gibi kod düzenleyicileri kullanacaktır. Çeşitli editörler ortaya çıkmış olsa da, bunların çoğu kod editörlerinin uzun tarihi içinde hızla ortadan kayboldu.
GitHub tarafından yayınlanan ücretsiz bir editör olan Atom (https://atom.io/), birçok kişinin sevdiği bir editördür. Atom ayrıca uygulamayı genişletmek için entegre terminal penceresini ve diğer işlevleri kullanabilir, bu işlev hırsız 6 ~
Editör kurulduktan sonra, bu özelliği Ayarlar / Kurulum Paketleri aracılığıyla ekleyebilir ve ardından platformio-ide-terminal'de arama yapabilirsiniz.
Python belgelerini çalıştırın
Komut isteminde ($ veya > ) Ve sonra python girin < dosyaadı.py >
Python'dan çıkmak istiyorsanız exit () yazın veya doğrudan Ctrl + D'ye basın (Windows sistemiyse Ctrl + Z'ye basın)
Şu anda kullanılan python sürümünü görüntülemek için şunu yazın: python --version veya python -V
Mevcut Python kurulum konumunu görüntülemek için şunu yazın: which python
Çevre dosyası
Ortam dosyası, dahil edilen tüm yazılım paketlerini ve bunların belirli proje ortamında kullanılan sürüm numaralarını listeleyen, proje kök dizinindeki bir dosyadır. Böylece kullanıcılar projeleri başkalarıyla paylaşabilir ve bu paketlerin başka projelerde tekrar kullanılmasına izin verebilir.
Bir dosya oluşturmak için şunu yazın:
conda env export -fileenvironment.yaml
Conda ortamını ve paketlerini yeniden keşfetmek için şunu yazın:
conda env oluştur -n < conda-env > -f environment.yaml
Bazı projelerde veya öğreticilerde, bir paket yöneticisi olarak pip, Conda'nın environment.yaml yerine gereksinim.txt dosyasını çalıştırır.
Donma ortamı yukarıdaki işlemleri tamamlayabilir:
pip don > gereksinimler.txt
Yeniden düzenlemek için şunu yazın:
pip install -rrequirements.txt
Jupyter not defteri
Jupyter Notebook (https://jupyter.org/), web tarayıcısına dayalı açık kaynaklı bir uygulamadır. Bu not defteri, kullanıcıların daha rahat ve rahat bir ortamda Python kodunu çalıştırmalarına olanak tanır ve efekti adım adım görüntüleyebilir. Jupyter not defteri, işaretli hücrelerdeki kod hücreleri arasına metin ve görüntü ekleyebilir, bu nedenle öğretim için çok uygundur. Uygulama ölçeklenebilirliği sayesinde, dizüstü bilgisayara başka işlevler de eklenebilir. Jupyter dizüstü bilgisayarlarını Anaconda Navigator aracılığıyla da kurabilirsiniz:
Tarayıcıda yeni bir Jupyter not defteri oluşturmak için komut istemine şunu yazın:
jupyter defter
Belirli bir not defterini başlatmak için şunu yazın:
jupyter defter < not defteri adı >
Bu arada, Jupyter not defterinde aynı anda birden fazla örnek çalıştırmanız önerilmez:
Jüpiter
Hücreyi çalıştırmak için Jupyter araç çubuğundaki "Çalıştır" düğmesini tıklayın veya Shift + Enter tuşlarına basın. Dizüstü bilgisayarı kapatmak istiyorsanız, lütfen doğrudan terminal penceresini kapatın veya şunu yazın:
jupyter dizüstü bilgisayar durağı
Veya doğrudan Ctrl + C tuşlarına basın
sonra
Baltayı biledikten sonra ağaç kesme zamanı! Gerçek radyoloji bilgisine nasıl başlanır?
Önce aşağıdaki bağlantılara bakın:
1. Makine öğrenimine dayalı tıbbi görüntüleme: https://pubs.rsna.org/doi/10.1148/rg.2017160130
2. Derin öğrenme: radyologlar için başlangıç: https://pubs.rsna.org/doi/10.1148/rg.2017170077
Araştırmanıza devam etmek istiyorsanız, bu konuya ayrılmış aşağıdaki iki dergiye başvurabilirsiniz:
1. JACR Cilt 15, Sayı 3PB, Mart 2018 "Özel Sayı Veri Bilimi: Büyük Veri, Makine Öğrenimi ve Yapay Zeka"
2. JDI Cilt 3, 31 Haziran 2018 "Açık Kaynak Yazılımın Yeni Odağı"
Tabii ki GitHub'daki diğer referans materyallerine de göz atabilirsiniz, kesinlikle yeni ilhamlar getirecekler:
1. https://github.com/ImagingInformatics/machine-learning
2. https://github.com/slowvak/MachineLearningForMedicalImages
Sonunda başlıyor!
"Dijital Görüntüleme" nin Haziran 2018 sayısı, iyi bir tanıtım materyalleri sağlar. (Tıbbi Görüntülemede Merhaba Dünya Derin Öğrenme JDI (2018) 31: 283289 Lakhani, Paras, Gray, Daniel L., Pett, Carl R., Nagy, Paul, Shih, George) (https: //link.springer. com.tr / makale / 10.1007 / s10278-018-0079-6)
Çalışmamız sadece köpekleri ve kedileri ayıran bir sınıflandırıcı değil, göğüs ve karnı birbirinden ayıran bir X-ışını sınıflandırıcı oluşturmaktır. AI yolculuğu burada başlıyor!
Yorum Beğen Takip Et
Yapay zeka öğrenme ve geliştirmenin kuru mallarını paylaşalım
Tam platform yapay zeka dikey öz medya "temel okuma tekniği" ni takip etmeye hoş geldiniz
