Проект был разработан командой из 3 человек в рамках хакатона Nuclear-IT-Hack

Проект по классификации тканей мозга (control / endo / exo) по Рамановским спектрам в двух диапазонах:

• 1500 (белки, амиды и др.)
• 2900 (липиды, CH-растяжения)

Модель определяет класс каждого пикселя спектрального изображения, а затем выдаёт наиболее вероятный диагноз для всего среза (по большинству голосов пикселей).

Основные файлы в репозитории

predict.py - Основной скрипт для предсказания на новых данных
Model_Training.ipynb - Обработка, обучение, валидация, feature importance
model_1500.pkl - Обученная модель LightGBM для спектра 1500
model_2900.pkl - Обученная модель LightGBM для спектра 2900
cols_1500.pkl - Список длин волн (столбцов), на которые интерполируются спектры 1500
cols_2900.pkl - Список длин волн для диапазона 2900
ML_Raman_Diagnosis_HSP70.pdf - Статья, отчет по работе

Как запустить предсказание на новом файле

1. Положите обученные модели и списки колонок в ту же папку, где будет predict.py

2. Запустите скрипт одним из способов:

# Способ 1 — через аргумент командной строки
python predict.py "путь/к/файлу.txt(.csv)"

# Способ 2 — без аргументов и он попросит ввести путь
python predict.py