Luna16——肺结节检测和良恶性分类挑战赛（四）

在luna16肺结节良恶性分类得例子中，有位细心的朋友提出一个很好的问题。今天首先分析上一篇中存在的问题，然后给出解决方案。

1、存在的问题

上一篇的数据处理：1351例肺结节数据扩充后有55391例，549714非肺结节数据随机采样后有110000个，将两类数据合在一起并随机打乱，选择80%的数据（11万多）用来训练分类网络，20%的数据（3万）用来测试分类网络性能。这里存在的问题是一个肺结节在扩充后，不仅会在训练集里有一部分，在测试集中也会有一部分。在测试集上评价训练好的模型性能是虚高的。

2、解决方案

首先将1351例肺结节数据分成训练数据（80%）和测试数据（20%），然后对肺结节训练数据和测试数据都进行数据扩充（肺结节训练数据有44346例，肺结节测试数据有11086例），对549714例非肺结节数据随机采样得到11万例后，再对其分成非肺结节训练数据（80%）和测试数据（20%）（非肺结节训练数据有8.8万例，非肺结节测试数据有2.2万例），最后将两类的训练数据和测试数据分别合并。

3、模型结果分析

模型结果与上一篇是相似的，这里就不给出训练的结果了。直接在测试数据上进行分析。采用ROC曲线和混淆矩阵来直观分析分类模型性能，ROC曲线下面积是0.99769。

• ROC曲线

• 混淆矩阵

• 评价指标

为了大家更好的学习，我把整个项目代码分享到github上：

https://github.com/junqiangchen/LUNA16-Lung-Nodule-Analysis-2016-Challenge

如果大家觉得这个项目还不错，希望大家给个Star并Fork，可以让更多的人学习。如果碰到任何问题，随时留言，我会尽量去回答的。