Datawhale AI 夏令营 CV 赛事实践（一）基于logistic回归的脑PET图像分析和疾病预测-baseline

0 赛题梳理

• 2D 图像通常是单个的医学扫描切片，例如 CT 或 MRI 扫描的一层。

• 3D 图像通常是一个完整的体积扫描，例如一个完整的 CT 或 MRI 扫描。在这种情况下，三个维度通常对应于图像的宽度、高度和深度。

• 4D 图像通常是一系列的 3D 扫描，例如一个随时间变化的心脏 MRI 扫描。在这种情况下，四个维度通常对应于图像的宽度、高度、深度和时间。

1 导包

• tqdm：一个Python进度条库 pip install tqdm

• cv2：OpenCV库，常用于处理图像和视频数据 pip install opencv-python

• sklearn: 是一个用于 Python 的开源机器学习库。它基于 NumPy, SciPy 和 matplotlib，包含了大量的工具用于机器学习和统计建模，包括分类，回归，聚类和降维。 pip install scikit-learn

• nibabel: 用于读取和写入一些常见的神经影像格式，常用于处理处理 MRI、fMRI、DTI 等数据 pip install nibabel

• albumentations: 是一个高效的图像增强库，包括裁剪、旋转、噪声、模糊、光照变化、颜色变化等等 pip install albumentations

• glob: 是Python的一个内置模块，用于查找符合特定规则的文件路径名，主要方法是glob.glob()

2 Baseline解读（传统机器学习方法）

3 提交

4 参考