nvAI

Modell des Gehirntumor -Erkennungsmodells?

Willkommen in unserem Hirntumor -Erkennungsmodell, das während des AI Unite Hackathon von Team NVAI entwickelt wurde! Unser Projekt verwendet maschinelles Lernen, Computersehen und Segmentierungstechniken, um Hirntumoren aus MRT -Bildern zu erkennen.

Projektübersicht

Kunde

Unsere clientseitige Anwendung wird unter Verwendung von React erstellt und bietet eine intuitive Schnittstelle für die Interaktion mit unserem Hirntumorerkennungssystem. Es kommuniziert nahtlos mit der serverseitigen Flask-API.
Live -Demo

Server

Die Serverkomponente wird von Flask angetrieben, das auf einer Linode -Instanz gehostet wird. Diese API akzeptiert MRT -Bilder von Hirntumoren und gibt detaillierte JSON -Antworten zurück, einschließlich Erkennungsstatus, Konfidenzwerte und Bildverbindungen.

 {
  "inference_id": "b20e9d99-8a77-4484-a30d-130aedfe49be",
  "time": 0.03575260299976435,
  "image": { "width": 319, "height": 360 },
  "predictions": [
    {
      "x": 217.0,
      "y": 185.5,
      "width": 90.0,
      "height": 85.0,
      "confidence": 0.8729356527328491,
      "class": "yes",
      "class_id": 0,
      "detection_id": "33c0f948-a90d-4039-83bc-a42386d5daec"
    }
  ]
}

Teammitglieder

• Parth Vastavik - Full Stack Developer
• Krish Goenka - KI -Modellentwickler
• Anustup Karnar - KI -Modellentwickler
• Rajarshi Ghosh - AI -Modellentwickler
• Palak Chaplot - UI/UX -Designer, Präsentationskopf

Technologien verwendet

Frontend

Backend

Maschinelles Lernen

Datenbank

Installation

• Klonen Sie das Repository:

git clone https://github.com/nvAI/brain-tumour-detection.git

• Abhängigkeiten installieren:
  • Client -Seitenabhängigkeiten
  • Server -Seitenabhängigkeiten

Modellübersicht

Unser Modell basiert auf Faltungsnetzwerken (CNNs), die auf einem Datensatz von MRT -Bildern geschult sind, die mit Tumorvorhandensein oder Abwesenheit gekennzeichnet sind. Wir haben eine Genauigkeit von 89% in unserem Testdatensatz erreicht. Das Modell verwendet Segmentierungstechniken, um Hirntumoren aus MRT -Scans zu identifizieren und zu klassifizieren.

Beitragsrichtlinien

? Wir begrüßen Beiträge aus der Community! Unabhängig davon, ob es das Modell verbessert, die Benutzeroberfläche/UX verbessert oder die Codebasis optimiert, schätzen wir alle Bemühungen. Fühlen Sie sich frei, das Repository zu geben, Verbesserungen vorzunehmen und Pull -Anfragen einzureichen.

Lizenz

Dieses Projekt ist unter der MIT -Lizenz lizenziert - Einzelheiten finden Sie in der Lizenzdatei.

Anerkennung

Wir möchten uns den Organisatoren des AI Unite Hackathon für diese Plattform für die Präsentation unserer Arbeit bedanken. Darüber hinaus danken wir den Datensatzanbietern und der Open-Source-Community für ihre unschätzbaren Beiträge.