利用tensorflow实现3DCNN

Tensorflow 3D CNN

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
“““
Created on Thu Feb 23 10:51:28 2017

@author: cdn
“““



import numpy as np
np.random.seed（1234）
import timeit
import os
import matplotlib.pyplot as plt
import scipy.io as sio

from sklearn.cross_validation import StratifiedKFold

import tensorflow as tf
from tensorflow.contrib.layers import fully_connected convolution2d flatten dropout
from tensorflow.python.layers.pooling import max_pooling3d
from tensorflow.python.ops.nn import relusoftmax
from tensorflow.python.framework.ops import reset_default_graph
import six.moves.cPickle as pickle
from confusionmatrix import ConfusionMatrix

def onehot（t num_classes）:
    out = np.zeros（（t.shape[0] num_classes））
    for row col in enumerate（t）:
        out[row col] = 1
    return out
  
def load_cv（cv_name = ‘index_10fold.pkl‘fold_idx = 0）:
    input_doc = open（cv_name‘rb‘）
    in_data = pickle.load（input_doc）
    input_doc.close（）
    train_idxtest_idx = in_data
    train_index0 = train_idx[fold_idx]
    test_index = test_idx[fold_idx]
    val_index = test_idx[fold_idx-1]
    train_index = list（set（train_index0）-set（val_index））
    train_index = np.array（train_index）
    return train_indextest_indexval_index 
    
def load_data（fold_index）:
    data = sio.loadmat（‘ADNI/PET/Data_PET_d3.mat‘）
    AD_data = data[‘AD_data_PET_d3‘]
    NC_data = data[‘NORMAL_data_PET_d3‘]
#    AD_data = data[‘AffineAD_128‘]
#    NC_data = data[‘AffineNC_128‘]
    ad_numsizeXsizeYsizeZ = AD_data.shape
    nc_num___ = NC_data.shape
    size_input = [1sizeXsizeYsizeZ]
    np.random.seed（1234）
    random_idx = np.random.permutation（ad_num+nc_num）
    adnc_data = np.concatenate（（AD_dataNC_data）axis=0）[random_idx]
    labels = np.hstack（（np.ones（（ad_num））np.zeros（（nc_num））））[random_idx]
    
    trainidtestidvalidid = load_cv（fold_idx = fold_index）
    
    x_train = adnc_data[trainid]
    y_train = labels[trainid]
    x_test = adnc_data[testid]
    y_test = labels[testid]
    x_valid = adnc_data[validid]
    y_valid = labels[validid] 
    return x_trainy_trainx_testy_testx_validy_validsize_input
   
    
n_fold = 10
train_accuracy = np.zeros（（n_fold））    
test_accuracy = np.zeros（（n_fold））
valid_accuracy = np.zeros（（n_fold））  

t1_time = timeit.default_timer（）
#for fi in range（n_fold）:
num_classes = 2
num_filters_conv1 = 10
num_filters_conv2 = 25
num_filters_conv3 = 40
num_filters_conv4 = 40
dense_num = 100
size_conv = 3 # [height width]
pool_size = 2
batch_size = 5
nb_epoch = 50
fi = 0
X_trainy_trainX_testy_testX_valy_valsize_input = load_data（fi）
X_train = X_train.reshape（X_train.shape[0] 1 X_train.shape[1] X_train.shape[2]X_train.shape[3]）  
X_val = X_val.reshape（X_val.shape[0] 1 X_val.shape[1]X_val.shape[2]X_val.shape[3]）  
X_test = X_test.reshape（X_test.shape[0] 1 X_test.shape[1] X_test.shape[2]X_test.shape[3]）  
print（‘X_train shape:‘ X_train.shape）  
print（X_train.shape[0] ‘train samples‘）  
print（X_val.shape[0] ‘

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-04-25 15:32  tensorflow3dCNN\
     文件       11695  2017-04-25 15:31  tensorflow3dCNN\3D_CNN_tensorflow.py
     文件        4208  2016-11-04 23:00  tensorflow3dCNN\confusionmatrix.py