• src/Preprocessing/crop.py: クロッピング用スクリプト

Usage

python crop.py -i (input_dir_path) -o (output_dir_path)

1. input_dir_path: マイクロスコープで撮影した画像が入ったディレクトリー
2. output_dir_path: クロップした画像を書き出すためのディレクトリー

• src/Preprocessing/Image_Gamma_Correction.ipynb: 画像の照度を統一するスクリプト

• src/ISIC/ISIC_makecsv.py: ISICデータベースから画像idと皮膚癌の種類を取得するスクリプト（APIが遅いため、使っていない）

• src/ISIC/ISIC_dl_image.py: ISICデータベースから画像をダウンロードするスクリプト（APIが遅いため、使っていない）

• src/ISIC/api.py: ISICからデータベースを呼び出すためのスクリプト

• class_label.csv: 皮膚癌が７つのクラスに分類されたラベル(0~6)

項目ごとの肌スコアの分布

Model Baseline: MAE < 4.797

平均値を使った場合、Mean Absolute Error(MAE)は4.797であった。よって、Deep Learningモデルはこれを下回る事を最低条件とする。

• src/DeepEngine/shallow_model.py: 浅いkerasの肌評価モデル

• src/DeepEngine/image_sorting.py: ぼやけている画像を除去するスクリプト（shallow_model.pyで使っている）

• multi_label.csv: 皮膚科先生の評価のみ入ったラベル（shallow_model.pyで使っている）

• src/DenseNet/class_label1.csv: ISICデータのラベル

• src/DenseNet/DenseNet169_v3.ipynb: DenseNet169（imagenet）のモデル

• evaluate_skin.ipynb*: 肌評価スクリプト

モデルはこのリンクからダウンロード

https://drive.google.com/drive/folders/1fQ-TpaNnC_d2FKFCPOXx97xQpDEtopuB?usp=sharing

変数は以下の通り scores = {"KIME":"","KEANA":"","SHIMI":"","TARUMI":"","TOUMEI":"","MERANIN":"","KOJIWA":""};

• src/node/score.js: python肌評価の結果をスコアに保存するスクリプト（結果はconsoleに表示）
• src/node/ev_skin.py: node jsで実行するpythonスクリプト
• src/node/2000.jpg: テスト画像

使用するモデルは上記のgoogledriveよりダウンロードしてください