深度学习100例 | 第35天：脑肿瘤识别

大家好，我是『K同学啊』！

今天我将带大家探索一下深度学习在医学领域的应用–脑肿瘤识别，脑肿瘤也称为颅内肿瘤，是颅内占位性病变的主要疾病，在儿童易患的恶性病变中仅次于白血病，位于第二位。有数据表明，我国每年新增儿童脑瘤患者7000～8000名，其中70%～80%的患儿肿瘤呈恶性。由于脑肿瘤患者年龄越小，发病速度越快，肿瘤恶性程度越高，所以早期发现。治疗成为降低疾病危害的重要方式之一。

这次我们一共用到了253张脑部扫描图片数据，其中患有脑肿瘤的患者脑部扫描图片155张，正常人的脑部扫描图片98张。使用的算法为MobileNetV2，最后的识别准确率是90.0%，AUC值为0.869。

本次的重点： 相对于《深度学习100例》以往的案例，本次我们将加入AUC评价指标来评估脑肿瘤识别的识别效果，AUC（Area under the Curve of ROC）是ROC曲线下方的面积，是判断二分类预测模型优劣的标准。

🚀 我的环境：

• 语言环境：Python3.6.5
• 编译器：jupyter notebook
• 深度学习环境：TensorFlow2.4.1
• 显卡（GPU）：NVIDIA GeForce RTX 3080
• 数据：📌【传送门】

🚀 本文选自专栏：《深度学习100例》

🚀 深度学习新人必看：《小白入门深度学习》

1. 小白入门深度学习 | 第一篇：配置深度学习环境
2. 小白入门深度学习 | 第二篇：编译器的使用-Jupyter Notebook
3. 小白入门深度学习 | 第三篇：深度学习初体验