Classifier les images de pathologie thoracique à l'aide de techniques d'apprentissage approfondi

Laradiographie pulmonaire est l'examen le plus courant en radiologie à notre époque. Elles sont essentielles et très utiles pour la surveillance de diverses maladies associées à une mortalité élevée et présentent un large éventail d'informations potentielles sur diverses maladies. Les verdicts les plus fréquents des radiographies pulmonaires sont la tuberculose, la cardiomégalie et les maladies pulmonaires médiastinales. Distinguer les différentes pathologies thoraciques est une tâche difficile, même pour l'observateur humain et le radiologue. C'est pourquoi il y a un intérêt à développer un système de diagnostic informatique pour aider les radiologues à lire les images de la poitrine par le biais d'une machine. La détection des cas sains par rapport aux pathologies, c'est-à-dire la tuberculose et la cardiomégalie, dans la radiographie pulmonaire a été étudiée à l'aide des techniques Laplacien de Gauss (LoG), Modèles binaires locaux (LBP), Accélérer les caractéristiques robustes (SURF ) et a également utilisé le modèle du sac de mots visuels (BoVW ) en utilisant les techniques de réseau neuronal artificiel (ANN) et d'apprentissage profond qui classifie les cas sains par rapport aux cas pathologiques.

Soy el Prof. Vrushali Dhanokar, M.Tech en Ciencias de la Computación e Ingeniería. Trabajando en el campo de la ingeniería y la tecnología. Estudiante entusiasta, investigador y profesor apasionado. Creyente de un "Cualquiera puede ser un profesor o una profesora, pero no todos pueden influenciarte para que te esfuerces por la excelencia y hagas una diferencia en el mundo que te rodea".