# integrated_project

**Repository Path**: Ares_Wang/integrated_project

## Basic Information

- **Project Name**: integrated_project
- **Description**: 前期所有有关癌症病理检测代码的一个汇总工程
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2018-05-20
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 病理图像检测--文档说明

### 文件夹和全局模块含义：

#### data:
 1. logs：tensorboard存放目录
 2. models：模型存放地
 - nice_models：训练出的还不错的模型
 3. txt：txt存放地 -- 包括图片特征文件，与切片感兴趣坐标Txt文件
 - feature：图片特征提取的文件，一般用于前期数据筛选
 - model_result：模型输入val数据集得出的结果
 - roi：切块图片对应的缩略图上的坐标点（包括原始开闭运算后的区域点，与最终输出切块图片对应的坐标点），每个图片对应点的各个HER2等级的概率，满足阈值要求的坐标点（画热图用）
 4. result：结果存放地 -- 包括WSI缩略图、热图、模型的优劣结果
 - image：WSI缩略图、热图
 - judgement：模型的优劣结果


#### dll:
 1. KFB_SDK：切块时所需的动态链接库的所在地

#### src:
 1. analysis：分析 -- 包含如ROC曲线、P-R曲线、热图等
 2. core：核心代码 -- 包括模型的建立、调用等
 3. acquisition：数据获取 -- 前期WSI图片数据切块
  - slice：图片切块 -- 将WSI图片数据切成块（patches）
  - augmentation：图像增强 -- 将指定路径里的图片运用旋转、平移等方式增强数据
  - edge：边缘检测 -- 将HER2病理切块边缘检测并绘制出来，覆盖原图【用于数据预处理，加强特征】

 4. preprocessing：数据预处理 -- 主要是对data切块后的数据进行自动筛选
 - feature_extraction：特征提取 -- 包括各种各样的特征函数
 - classfication: 分类 -- 几种图块前期分类的方法（标签传播（半监督学习），SVM）

 5. uncertain：不确定代码 -- 需要进一步试验的代码
 6. utils：功能代码 -- 部分自己写的功能代码模块
 7. global：全局变量 -- 包括路径，一些全局参数等

#### abandon:
> 抛弃 -- 之前写的没用，但具有一定参考价值的废弃代码

### 模块含义：
 1.

### 其他注意事项：
 1. 有softmax的网络，学习率调的太高，容易出现梯度爆炸的现象（nan）
 2. 调用代码处，由于图片数量一般都是read_img_batch_size的整数倍，所以不考虑作非整数倍的适应性修改