fundus

안저 이미지 사진에서 정상, 중간, 비정상분류

개요

본 시스템은 크게 2가지 단계로 이루어져 있습니다.

1. Pre-processing
   스마트 폰 카메라로 촬영한 사진으로부터 렌즈영역을 찾아낸뒤 전처리
2. Classification
   전처리된 안저사진을 딥러닝 모델을 통해 확인

모듈 설치

프로그램을 실행하기 위해서는 python 3.x(3.7권장)과 함께 다음의 라이브러리가 필요합니다

• tensorflow (<=2)
• opencv-python
• numpy
• matplotlib
• tqdm

1. anaconda prompt에서 원하는 폴더로 이동하는 방법 (예를 들어 C:\Users\j3jjj에서 C:\Users\j3jjj\Desktop\pj\딥러닝 세미나로 이동하는 법)

---

cd .. : 이전으로 이동
cd [원하는 폴더명] : 원하는 폴더로 이동
dir : 현재 디렉토리의 폴더, 파일 리스트

---

2. anaconda prompt에서 다음과 같이 입력(requirements.txt의 모듈 설치)

pip install -r requirements.txt

디렉토리 구조

.
├── train/
├── pred_train/
├── input/
├── output/
└── checkpoint/

폴더	설명
train/	학습하기 위한 이미지 저장
pred_train/	전처리를 한 뒤 이미지 저장
input/	test하고 싶은 이미지 저장
output/	test이미지에 대한 결과를 csv로 저장
checkpoint/	학습이 끝난 뒤 loss가 가장 낮은 가중치를 저장

구조

1. 전처리
   
   
   (이미지를 회전하여 1장의 이미지를 36장으로 만들어줍니다)
   -train: train폴더에 있는 이미지를 위와 같은 방법으로 처리합니다
   -test: input폴더에 있는 이미지를 위와 같은 방법으로 처리합니다

2. classification model
   
   Base Network로는 최근에 주목받는 EfficientNet중에서 경량화된 EfficientNet B0를 사용합니다
   extra layer로는 dense와 dropout을 추가했습니다

성능

분류	input imgs	pred imgs
normal	271	6588
Intermediate	510	15876
abnormal	360	9684
total	1141	32148

Traning	Validation	test
20253	8679	3214

Traning 이미지와 Validation 이미지, test 이미지를 0.63, 0.27, 0.1로 나누어 학습과 검증을 100 epoch 진행하였으며, 학습 중 Validation loss가 3번 연속으로 떨어지지않을 때 정지한 결과입니다.

또한 test 이미지를 통해 데이터에 대한 범용성을 가지는지 확인했습니다

실행

다음과 같이 프로그램을 실행 합니다

$ python classifier.py

입력 이미지는 input/폴더에 있어야 합니다

결과

라벨	설명
image name	이미지 이름
classifier	1장을 여러장으로 증폭한 뒤 가장 많았던 class
Accuarcy	가장 많았던 class의 확률