Je construirai des modèles de segmentation et de classification d’images médicales avec l’apprentissage profond
Ingénieur IA et apprentissage automatique, Deep Learning, vision par ordinateur, PNL
À propos de ce service
Langage de programmation:
Python
•
Colab
Outils:
Jupyter Notebook
•
opencv
•
tensorflow
•
Colab
Frameworks:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Autres services de Data science et machine learning I Offre
FAQ
Traduction automatique
Avec quels types d’images travaillez-vous ?
J’ai travaillé avec des scans OCT rétiniens et des photos de fond d’œil en 2D et 3D. Envoyez un échantillon de vos images et je confirmerai l’approche.
Mes images ont-elles besoin de masques ou d’étiquettes ?
La segmentation nécessite des étiquettes de masques, la classification a besoin d’une étiquette par image. Si vous ne disposez que d’images brutes, envoyez-moi d’abord un message.
Comment testez-vous le modèle ?
Je sépare par patient ou par image afin que les données de test ne soient jamais vues lors de l’entraînement, et je rapporte le Dice, l’IoU ou la précision sur cet ensemble de test.
Pouvez-vous comparer avec des modèles publiés ?
Oui. Dans le paquet de recherche, je compare avec des modèles tels que TransUNet et Swin UNet en utilisant leur code officiel.
Obtiens-tu le code et les poids entraînés ?
Oui, ainsi que les images de superposition et un rapport de résultats.

