2024年06月~2024年07月 基于Unet的医学影像处理程序 负责人
主要任务:完成数据处理,模型选用,训练,调参,评估的全流程,实现目标文件的处理。
数据处理 :获取1000张染色体图像,训练集包含23对染色体标注的JSON文件,测试集含有23对染色体的背景的无标注文件。
模型选用:运用cv2、PyTorch和TensorFlow框架对染色体分割图像进行处理。
模型训练:基于UNET训练框架,调整包括batchsize、训练轮次、学习率等超参数,综合考虑时间,空间和训练效果的平衡,优化模型
性能。
效果评估:使用dice系数作为评判标准,最终识别准确率达到90%。