作者：李健民

人工智能和大数据结合的系列课程我们已经出了五期，大家可以直接点击下方题目查看：

1、写给医生的人工智能体验课（一）：作为医生，怎么跟进人工智能不落伍？

2、写给医生的人工智能体验课（二）：用比喻的方式形象讲解神经网络

3、写给医生的人工智能体验课（三）：利用SPSS、R、python建立简单的神经网络

4、写给医生的人工智能体验课（四）：基于scikit-learn识别导入的图像

5、写给医生的人工智能体验课（五）：基于TensorFlow识别MNIST手写数字

今天我们讲解第六课：零代码！10分钟带你做出自己的AI识别医学图像

想要课程代码的小伙伴，可点击文末的链接获取。

前面的几节课我们对医咖会原有的肺癌表格集建立了简单的神经网络分析，对MNIST手写数字图片也用了scikit-learn和TensorFlow建立了一些稍复杂的神经网络。这节课我们尝试利用一些少量的病理图片训练一个视觉识别模型，掌握这个套路后，大家也可以尝试用一些简单的图片搭建自己的视觉识别模型，把想要训练的图片在对应的文件夹替换就可以了。这次推文比较短，我们不再讲具体的代码，先简单了解一下迁移学习和Inception V3这两个概念。

我们上节课的MNIST数据集有6万张图片，用TensorFlow建立的卷积神经网络识别准确率达到99%以上，但是现实世界我们通常会有这样的困境：

①数据量少；如果我们开展某类医学图像识别的研究，很难通过单中心搜集到上万级别的图片数据；

②不知道怎么构建性能优异的深度神经网络；上节课的卷积神经网络只有两层，那是因为数据图片非常简单，如果需要识别的图片更复杂，分类更多，这么简单的神经网络效果肯定不好。