# [天池比赛-肺部CT多病种智能诊断-全球数据智能大赛(2019)——“数字人体”赛场一](https://tianchi.aliyun.com/competition/entrance/231724/introduction)
## 说明
- 成绩:初赛B榜:41/1635
- 复赛:35
- [赛题数据说明](https://tianchi.aliyun.com/competition/entrance/231724/information)。
- 本次医疗比赛采用YOLOv3进行病灶检测,使用ResNet进行假阳性衰减,实现过程**简单,直接**,准确率一般,但适合新人上手,可以作为baseline。
<img src="https://github.com/liut969/Tianchi-medical-lung-detect/blob/master/data/lt.jpg?raw=true" width="400" hegiht="400" align=center />
## 代码目录说明
```
|--data
|--testA
|--train_part1
|--train_part2
|--train_part3
|--train_part4
|--train_part5
|--chestCT_round1_annotation.csv
|--code
|--kmeans-anchor-boxes-master
|--model_data
|--yolo3
...
|--yolov3.weights
|--README.md
```
## 代码使用说明
- [下载赛题数据](https://tianchi.aliyun.com/competition/entrance/231724/information),将数据放在```data```文件夹下。
- [下载YOLOv3权重 yolov3.weights](https://pjreddie.com/darknet/yolo/),放在```code```文件夹下。
- 运行```python convert.py -w yolov3.cfg yolov3.weights ./yolo.h5```,生成keras预训练权重。
- 运行```generate_the_image.py```生成待训练图片。
- 运行```lt_annotation.py```生成注释文件train.txt。
- 运行```lt_train.py```进行YOLO训练。
- 运行```lt_yolo_image.py```生成预测结果。
- 运行```ResNet_train.py```进行假阳性网络训练。
- 运行```ResNet_test.py```生成最终结果csv文件。
## 其他说明
- 环境和硬件:Python 3.5.4,Keras 2.2.4,GPU 1080Ti。
- 如使用自己的锚,请运行```code/kmeans-anchor-boxes-master/lt_get_anchor.py```,将生成的锚放在```code/model_data/lt_yolo_anchors.txt```中。