# MSI-H_Classification

**Repository Path**: sparkyuan/MSI-H_Classification

## Basic Information

- **Project Name**: MSI-H_Classification
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-12-03
- **Last Updated**: 2021-12-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# MSI-H的分类

​		本项目是基于vision-transformer
                （https://github.com/WZMIAOMIAO/deep-learning-for-image-processing/tree/master/pytorch_classification/vision_transformer）
                的微卫星不稳定的分类测试，目前仅能对带有肿瘤区域标注的切片进行MSI-H的预测，对肿瘤区域的检测暂时还没有完成。



## 数据集准备

​		目前仅采用了PAIP2020比赛的数据集（47张切片），运行datasets下的classificaiton.py文件即可完成对肿瘤区域的图块采样，默认参数是切片下采样1级（10x镜），图块大小224*224，步进224（无重叠），图块区域像素点需要90%以上位于肿瘤区域内。运行完成后，图块数据集会按照 类/切片编号/图块文件 的组织格式存储到datasets文件夹下。



## 预训练模型

​		采用vision-transformer在ImageNet上的预训练模型，转换后的pytorch权重在以下链接下载：

​		https://github.com/rwightman/pytorch-image-models/releases/tag/v0.1-vitjx



## 训练

​		设置好训练参数，运行train.py。



## 测试

​		运行test.py，会对验证集中的切片逐一测试并打印对应的图块预测acc、F1-score和对切片MSI-H或MSS的预测结果，以及最终的切片准确率。可以对测试的切片进行调整，或者对置信度conf、图块占比rate等超参进行调整来测试不同策略下的预测指标。



## 演示

​		运行predict.py，对单张指定图片进行分类预测并打印图片和各类预测结果。