nvAI

Model Deteksi Tumor Otak?

Selamat datang di model deteksi tumor otak kami yang dikembangkan selama AI Unite Hackathon oleh Tim NVAI! Proyek kami menggunakan pembelajaran mesin, visi komputer, dan teknik segmentasi untuk mendeteksi tumor otak dari gambar MRI.

Tinjauan Proyek

Klien

Aplikasi sisi klien kami dibangun menggunakan React, menawarkan antarmuka intuitif untuk berinteraksi dengan sistem deteksi tumor otak kami. Ini berkomunikasi dengan mulus dengan API Flask Sisi Server.
Demo langsung

Server

Komponen server ditenagai oleh Flask, di -host pada instance Linode. API ini menerima gambar MRI dari tumor otak dan mengembalikan respons JSON yang terperinci, termasuk status deteksi, skor kepercayaan diri, dan tautan gambar.

 {
  "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"
    }
  ]
}

Anggota tim

• Parth Vastavik - Pengembang tumpukan penuh
• Krish Goenka - Pengembang Model AI
• Anustup Karnar - Pengembang Model AI
• Rajarshi Ghosh - Pengembang Model AI
• Palak Chaplot - Desainer UI/UX, Kepala Presentasi

Teknologi digunakan

Frontend

Backend

Pembelajaran Mesin

Database

Instalasi

• Klon Repositori:

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

• Instal dependensi:
  • Ketergantungan sisi klien
  • Ketergantungan sisi server

Tinjauan Model

Model kami didasarkan pada jaringan saraf konvolusional (CNNs) yang dilatih pada dataset gambar MRI yang diberi label dengan keberadaan tumor atau tidak adanya. Kami mencapai akurasi 89% pada dataset pengujian kami. Model ini menggunakan teknik segmentasi untuk mengidentifikasi dan mengklasifikasikan tumor otak dari pemindaian MRI.

Pedoman Kontribusi

? Kami menyambut kontribusi dari komunitas! Apakah itu meningkatkan model, meningkatkan UI/UX, atau mengoptimalkan basis kode, kami menghargai semua upaya. Jangan ragu untuk membayar repositori, melakukan perbaikan, dan mengirimkan permintaan tarik.

Lisensi

Proyek ini dilisensikan di bawah lisensi MIT - lihat file lisensi untuk detailnya.

Ucapan Terima Kasih

Kami ingin mengucapkan terima kasih kepada penyelenggara AI Unite Hackathon karena menyediakan platform ini untuk memamerkan pekerjaan kami. Selain itu, kami menyampaikan terima kasih kami kepada penyedia dataset dan komunitas open-source untuk kontribusi mereka yang tak ternilai.