利用CNN实现影像的分类

想法:利用CNN (2D,3D都可以)实现3D影像的分类,网络类型不限,也可以用经典网络.

数据:已有从ADNI(一个公共数据库)上下载的影像,为脑部影像.数量在200例左右,分为正常人和AD患者(AD:阿尔兹海默病),每个类别在100例左右.
(数据为.nii格式(一种医学影像格式),可以用python中的nibabel模块读取并转换为矩阵形式)
数据维度:为3D格式.维度为256256170 ,代表图像的长,宽和层数
数据大小:解压后约4G
目标:分类精度达到80~90%
实现方式,图像预处理方式不限

fMRI 数据 是4D格式,在3D图像的基础上增加了一个时间维度,可以理解为是随时间变化的3D图像(相当于一帧一帧的视频)

想法:输入这种类似视频的数据,实现分类,相当于将一个序列进行分类,采用RNN网络(GRU,LSTM等)

总的想法:将两种网络结合起来写一个函数式模型,将这两种分类结果融合起来,预期结果是比单独使用一种网络分类精度能得到提升.