迁移学习医学图像分类

[一..一]

在用InceptionV3预训练模型fine-tune用到乳腺图像良恶性分类时，训练集准确率停在0.88左右不再上升，验证集准确率在0.6左右徘徊，并且验证集loss有上升趋势，是存在过拟合吗？但是我用30个样本去训练网络，网络无法收敛，这又是怎么回事？

[SparkParis123]

请问你用的什么数据集

[一..一]

自己的数据集。

[强势回归]

请问用自己的数据集跑出好结果了吗?用的什么基础网络可以分享一下吗？

[欢乐的小猪]

如果训练集和验证集的划分没有问题，即分布相似。那么训练集准确率0.88验证集准确率0.6是肯定过拟合了。而且你良恶性肿瘤分类，说白了就二分类，正确率只有60%，基本上模型没学到什么东西哦。

[一..一]

开始我也觉得是过拟合，但是dropout、数据增强、BN还有改网络我都试过了，基本都是这样。请问还有什么其他的思路吗？

[一..一]

引用 4 楼 欢乐的小猪 的回复:

如果训练集和验证集的划分没有问题，即分布相似。那么训练集准确率0.88验证集准确率0.6是肯定过拟合了。而且你良恶性肿瘤分类，说白了就二分类，正确率只有60%，基本上模型没学到什么东西哦。

开始我也觉得是过拟合，但是dropout、BN、数据增强、修改网络我都试了，结果还是这样。请问还有什么其他思路吗？

[一..一]

引用 3 楼 强势回归 的回复:

请问用自己的数据集跑出好结果了吗?用的什么基础网络可以分享一下吗？

没有跑出来好结果，基本的Dense、Res、Inception结构的都试过了。都没什么好的结果。

[菜菜的球]

@weixin_46494774 您好，请问您问题解决吗？我最近也在用CBIS-DDSM数据集，我感觉可能是数据集本身的问题，我人眼观察也没找出他的良/恶性分类规律

[weixin_46494774]

咱俩遇到的情况一模一样，我用的CBIS-DDSM数据集，训练验证准确率能到99，但测试只有70多。我也觉得过拟合了，dropout、BN、数据增强、修改网络，换各种模型我都试了，测试准确率就是不涨。

[一..一]

引用 9 楼 weixin_46610012 的回复:

请问这个数据集包含那些图像

就包含乳腺MR的良恶性图像。

[weixin_46610012]

请问这个数据集包含那些图像

[weixin_46610012]

可以看一下你的数据集结构和里面包含的图像嘛

[a_blackshadow]

引用 8 楼 weixin_46494774的回复:

咱俩遇到的情况一模一样，我用的CBIS-DDSM数据集，训练验证准确率能到99，但测试只有70多。我也觉得过拟合了，dropout、BN、数据增强、修改网络，换各种模型我都试了，测试准确率就是不涨。

同问，您是否有解决，这个数据集我也是同样的问题，无论怎么修改都验证集的结果都是70左右。

[一..一]

引用 12 楼 a_blackshadow 的回复:

[quote=引用 8 楼 weixin_46494774的回复:]咱俩遇到的情况一模一样，我用的CBIS-DDSM数据集，训练验证准确率能到99，但测试只有70多。我也觉得过拟合了，dropout、BN、数据增强、修改网络，换各种模型我都试了，测试准确率就是不涨。

同问，您是否有解决，这个数据集我也是同样的问题，无论怎么修改都验证集的结果都是70左右。[/quote]没有解决。还是只能从数据上下手，看看能不能再多要点数据，或者是结合其他的数据做。

[a_blackshadow]

引用 13 楼 涂涂凉凉的回复:

[quote=引用 12 楼 a_blackshadow 的回复:][quote=引用 8 楼 weixin_46494774的回复:]咱俩遇到的情况一模一样，我用的CBIS-DDSM数据集，训练验证准确率能到99，但测试只有70多。我也觉得过拟合了，dropout、BN、数据增强、修改网络，换各种模型我都试了，测试准确率就是不涨。

同问，您是否有解决，这个数据集我也是同样的问题，无论怎么修改都验证集的结果都是70左右。[/quote]没有解决。还是只能从数据上下手，看看能不能再多要点数据，或者是结合其他的数据做。[/quote] 真不清楚论文里是怎么做到的90%以上准确率，医学图像也没有办法看标注的label的真实性，唉，痛苦。

[菜菜的球]

@a_blackshadow 请问您最后是如何解决的呢？ 其实我感觉应该是cbis-ddsm数据本身的问题，我通过肉眼都无法辨别出他的良/恶性。目前只有60%的精度，和其他一些论文对比起来太差了，不知道该如何解决。

[一..一]

@a_blackshadow 突然发现提出这个问题已经两年了，在我的数据集上我已经放弃了。我用我的数据集做了分割实验，结果比分类能让人接受一点，分类结果不好应该还是数据集太小导致的，对于分类而言，特征太复杂了；对于分割，主要还是学习边缘、形状这些特征，结果与数据集的大小相关性弱一点。

[a_blackshadow]

@一..一 看了一些论文，和cbis-ddsm图片数据，分类精度不高也是可以理解的。论文存在的问题：1、对于数据集的筛选，存在剔除难例的可能性；2、还有一些论文将train和test结合，做数据增强，然后在增强后的数据上做新的train和test的划分，期间生成的每个样本都作为一个独立的个体，这样划分的数据集测试过程中相当于参入了训练样本，精度自然就高了，但实际上对于钼靶数据同一个乳腺存在MLO和CC两个视角，也就是本身数据就存在一个mass有2个视图。按照规范的思维来说，对于训练和测试应该以patient_id + left/right的方式划分才更能说明模型的性能。另一方面，数据本身的问题：1、图片质量不高，数量局限；2、确实存在许多难分的良、恶性样例。哎，数据集是硬伤。。因此，对于这个数据集，使用迁移方式得到这样的结果，最终我还是接受了。。。对于某些论文的不规范性，参考个思路就好了。

[一..一]

引用 14 楼 a_blackshadow 的回复:

[quote=引用 13 楼 涂涂凉凉的回复:][quote=引用 12 楼 a_blackshadow 的回复:][quote=引用 8 楼 weixin_46494774的回复:]咱俩遇到的情况一模一样，我用的CBIS-DDSM数据集，训练验证准确率能到99，但测试只有70多。我也觉得过拟合了，dropout、BN、数据增强、修改网络，换各种模型我都试了，测试准确率就是不涨。

同问，您是否有解决，这个数据集我也是同样的问题，无论怎么修改都验证集的结果都是70左右。[/quote]没有解决。还是只能从数据上下手，看看能不能再多要点数据，或者是结合其他的数据做。[/quote] 真不清楚论文里是怎么做到的90%以上准确率，医学图像也没有办法看标注的label的真实性，唉，痛苦。[/quote]

引用 14 楼 a_blackshadow 的回复:

[quote=引用 13 楼 涂涂凉凉的回复:][quote=引用 12 楼 a_blackshadow 的回复:][quote=引用 8 楼 weixin_46494774的回复:]咱俩遇到的情况一模一样，我用的CBIS-DDSM数据集，训练验证准确率能到99，但测试只有70多。我也觉得过拟合了，dropout、BN、数据增强、修改网络，换各种模型我都试了，测试准确率就是不涨。

同问，您是否有解决，这个数据集我也是同样的问题，无论怎么修改都验证集的结果都是70左右。[/quote]没有解决。还是只能从数据上下手，看看能不能再多要点数据，或者是结合其他的数据做。[/quote] 真不清楚论文里是怎么做到的90%以上准确率，医学图像也没有办法看标注的label的真实性，唉，痛苦。[/quote]反正我做不到90%。除非是数据量巨大，比如之前看到一篇文章是2w的病人，这做到90%还是很有可能的。其他的或许多多少少都有trick吧。