Répertoire du projet Radios Pulmonaires dans le cadre du bootcamp Datascientest.
Cliquer sur ce lien pour acceder à la présentation Streamlit
Equipe projet : Steve Costalat, Nicolas Gorgol, Thibaut Gazagnes
├── LICENSE
├── README.md <- The top-level README for developers using this project.
├── requirements.txt <- The requirements file for reproducing the analysis environment, e.g.
│ generated with `pip freeze > requirements.txt`
├── data ###### LES .ZIP et les Images NE SONT PAS STOCKEE SUR CE GITHUB
| ├── raw le fichier RAW info.txt contient les infos sur la composition et les origines des données brutes.
│ │ ~/notebook/1.0-steve-data-exploration et 1.0-Thibault-data-exploration, s'appuient sur ce jeu
│ │
│ ├── preprocess <- un fichier Preprocessing_1.zip contenant toutes les images transformées en images masquées de 256*256,
│ │ en mode 'Grayscale' a été géneré avec le programme suivant: ~/src/2.0-Thibault-Preprocessing.py
│ │
│ ├── split_balanced <- un fichier TestTrain. zip a été crée avec le programme ~/src/1.0-Steve-BalanceNSplit.py.
│ │ il contient 4304 images masquées équilibré sur 4 classes dans un jeu TRAIN
│ │ il contient 4304 images masquées équilibré sur 4 classes dans un jeu TEST
│ │
│ └── reduites <- jeux de donnée des images masquée reduites à leur distribution d'intensité avec: ~/src/1.0-Steve-Reduce-BalanceNSplit.py
│ └── Train_Intensite_H.json <- Jeu d'entrainement equilibrées sur deux classes de 6458 images reduites
│ └── Test_Intensite_H.json <- Jeu d'entrainement equilibrées sur deux classes de 6458 images reduites
│
├── notebooks
| └── 1.0-steve-data-exploration
| └── 1.0 Thibaut data exploration
│ └── Approche directe
│ │ └── 1.0 Nicolas directe Exp 1.0 <- Notebook d'evaluation d'un modèle quelconque type le net
│ │ └── 1.0 Nicolas directe exp 1.5 <- Notebook de determination des meilleurs hyperparamètres pour modele le net
│ │ └── 1.0 Nicolas directe Exp 2-3 <- Notebook d'evaluation de modèle de Transfert learning
│ │ └── 1.0 Thibault directe Exp 4.1 <- Notebook d'evaluation de modèle de Transfert learning avec réentrainement et optimisatioon
│ │ └── 1.0 Steve directe Exp 4.16 <- Notebook d'evaluation de modèle de Transfert learning Resnet152v2 avec réentrainement
│ │
│ └── Approche réduite
│ └── 1.0 Steve Réduite Exp 2.0 <- Notebook d'evaluation d'un modèle quelconque type le net en 1D
│ └── 1.0 Steve Réduite Exp 2.5 <- Notebook de determination de l'architecture et les hyperparamètres optimaux pour un modele Le net 1D
│ └── 1.0 Steve Réduite Exp 3.0 <- Notebook d'evaluation du modèle optimales type le net en 1D
│
├── references <- Data dictionaries, manuals, links, and all other explanatory materials.
│
├── reports <- The reports that you'll make during this project as PDF
│ └── figures <- Generated graphics and figures to be used in reporting
│
│
├── src <- Source code for use in this project.
│ ├── 2.0 Thibault Preprocessing <- Source code pour l'application du preprocessing sur l'intégralité du jeu de données brute
│ ├── 1.0 Steve BalanceNSplit <- Source code pour la création des jeux TRAIN et TEST equilibrés
│ ├── 1.0 Steve Reduce-BalanceNSplit <- Source code pour la création des jeux TRAIN et TEST equilibrés│pour l'approche REDUITE
│ ├──
│ ├── visualization <- Scripts to create exploratory and results oriented visualizations
│ │ └── visualize.py
Project based on the cookiecutter data science project template. #cookiecutterdatascience