背景

目前，全球疫情仍处于严峻时刻，许多计算机相关领域工作者也都参与到研究病毒、疫情等工作中。足量的高质量的COVID-19 图像数据集能用有效地帮助医院加快筛选和检测新冠肺炎，但由于隐私保护，目前难以获得足量的数据集。因可以先通过疟疾数据集训练细胞检测模型，后面可以利用迁移学习来训练COVID-19。本文使用深度学习框架Keras 在疟疾数据集上训练感染病毒检测器，可以根据细胞图像有效地识别出是否受到感染，是一篇使用深度学习框架Keras 进行疾病诊断的完整入门教程，也可以为日后新冠肺炎图像检测提供参考。

数据集

Malaria Datasets来自疟疾筛查研究活动的血液涂片图像存储库，收集了150 名受疟疾感染的患者和50 名健康人员的细胞涂片，数据具有真实性和应用价值。图像由医学研究人员手动标注，使得分类具有可靠性和专业性，数据集总共包含27,558 个细胞图像，包含感染细胞图像细胞和未被感染的图像集。
数据集下载地址：https://lhncbc.nlm.nih.gov/publication/pub9932

图像预处理

为了增加网络识别的图像数量，本次实验执行了数据增强操作。使用ImageDataGenerator 类的.flow_from_directory(directory) 的方法在训练期间，执行随机裁剪、缩放和旋转图像等变换，以便在每个时期，通过实时数据增强生成张量图像数据批次，数据将按批次不断循环，网络会看到同一图像的不同变化，提高实验的准确性，增强模型泛化能力。
官方文档：https://keras.io/zh/preprocessing/image/

train_datagen = ImageDataGenerator(
        rescale=1./255,
        rotation_range=20,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True,
        validation_split=0.1)

train_generator = train_datagen.flow_from_directory(
    path,target_size = (128, 128),
    batch_size = BATCH_SIZE,
    class_mode = 'categorical', 
    subset = 'training',seed = 0)

test_datagen = ImageDataGenerator(
    rescale = 1./255,
    validation_split = 0.1)

val_generator = test_datagen.flow_from_directory(
    path,target_size = (128, 128),
    batch_size = BATCH_SIZE,
    class_mode = 'categorical', 
    subset='validation', seed=0)

CNN 模型

构建LeNet 网络

应用深度学习做图像分类通常会采用卷积神经网络CNN ，但在实验之前也很难确定哪一类CNN 网络会在自己的分类任务表现最好，因此这里搭建的是最经典的LeNet 网络，首先观察一下分类效果。图1 描述了LeNet 的网络结构，其包含了卷积层、池化层和全连接层[图片上传失败...(image-e6b144-1594730220117)]
图1 LeNet网络

model = Sequential()

# 输入层
model.add(Conv2D(8, kernel_size=(3, 3), 
                 padding="same",
                 input_shape=input_shape,
                 activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

# 隐藏层

model.add(Conv2D(16, kernel_size=(3, 3), 
                 padding="same",
                 activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, kernel_size=(3, 3), 
                 activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

# 展平
model.add(Flatten())
model.add(Dense(units=64, activation='relu'))
model.add(Dropout(0.5))  # 添加丢弃层

model.add(Dense(units=2, activation='softmax'))

网络的搭建从输入->卷积->池化->卷积->池化->卷积->池化->Dense(relu)>Dense(softmax)，其中Con2D 表示执行卷积操作，MaxPooling2D 是最大池化，展平层Flatten 将输入“展开”为一层，用于卷积层到全连接层的过渡，Dense 表示全连接层，添加丢弃层Dropout 防止过拟合。

模型编译

这个实验室是二分类问题，因此选择 binary_crossentrop 作为损失函数，若是多类别分类问题，损失函数可以选择 categorical_crossentropy，Adagrad 为优化器。

model.compile(loss=keras.losses.binary_crossentropy,
              optimizer=keras.optimizers.Adagrad(),
              metrics=['accuracy'])

模型训练

_history = model.fit_generator(
    train_generator,
    validation_data=val_generator,
    steps_per_epoch=2750//BATCH_SIZE,
    validation_steps=200//BATCH_SIZE,
    epochs = EPOCHS)

可视化训练结果

模型训练过程中的数据会存放在_history中，为了更好地观察迭代过程，将其可视化输出。

N = EPOCHS

plt.style.use("ggplot")#matplotlib的美化样式
plt.figure()
plt.plot(np.arange(0,N),_history.history["loss"],label ="train_loss")
plt.plot(np.arange(0,N),_history.history["val_loss"],label="val_loss")
plt.plot(np.arange(0,N),_history.history["accuracy"],label="train_acc")
plt.plot(np.arange(0,N),_history.history['val_accuracy'],label="val_acc")

plt.title("loss and accuracy")
plt.xlabel("epoch")
plt.ylabel("loss/acc")
plt.legend(loc="best")
plt.savefig("./results/result.png")
plt.show()

图2 损失和精度曲线
从图中的训练结果可以看到，随着迭数的增加，准确率逐渐增加，当迭代次数超过15次后，趋向于稳定，证明模型的收敛性良好，在验证集上的精度可以达到90%以上，且与训练集精度差别不大，说明分类效果良好，模型的泛化能力不错。
val_loss曲线震荡不平滑的原因可能是因为Batch_size太小或样本分布不均匀等其他原因，至于val_loss比train_loss小的原因很可能是样本数量不足够或者是random variables，若想模型要达到更好的效果，还要下功夫在超参的设置上。