nvAI

뇌종양 탐지 모델?

팀 NVAI가 AI Unite Hackathon 동안 개발 한 뇌종양 탐지 모델에 오신 것을 환영합니다! 우리의 프로젝트는 기계 학습, 컴퓨터 비전 및 세분화 기술을 활용하여 MRI 이미지에서 뇌종양을 감지합니다.

프로젝트 개요

고객

당사의 클라이언트 측 응용 프로그램은 RECT를 사용하여 구축되어 뇌종양 탐지 시스템과 상호 작용하기위한 직관적 인 인터페이스를 제공합니다. 서버 측 플라스크 API와 완벽하게 전달됩니다.
라이브 데모

섬기는 사람

서버 구성 요소는 Linode 인스턴스에서 호스팅 된 Flask에 의해 구동됩니다. 이 API는 뇌종양의 MRI 이미지를 받아들이고 탐지 상태, 신뢰 점수 및 이미지 링크를 포함한 자세한 JSON 응답을 반환합니다.

 {
  "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"
    }
  ]
}

팀원

• Parth Vastavik- 풀 스택 개발자
• Krish Goenka -AI 모델 개발자
• Anustup Karnar -AI 모델 개발자
• Rajarshi Ghosh -AI 모델 개발자
• Palak Chaplot -UI/UX 디자이너, 프레젠테이션 헤드

사용 된 기술

프론트 엔드

백엔드

기계 학습

데이터 베이스

설치

• 저장소 복제 :

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

• 종속성 설치 :
  • 클라이언트 측 의존성
  • 서버 측 종속성

모델 개요

우리의 모델은 종양 존재 또는 부재로 표시된 MRI 이미지의 데이터 세트에서 교육을받은 CNN (Convolutional Neural Network)을 기반으로합니다. 우리는 테스트 데이터 세트에서 89%의 정확도를 달성했습니다. 이 모델은 분할 기술을 활용하여 MRI 스캔에서 뇌종양을 식별하고 분류합니다.

기여 지침

? 우리는 지역 사회의 기여를 환영합니다! 모델을 개선하거나 UI/UX 향상 또는 코드베이스 최적화에 관계없이 모든 노력에 감사드립니다. 저장소를 자유롭게 포크하고 개선하고 풀 요청을 제출하십시오.

특허

이 프로젝트는 MIT 라이센스에 따라 라이센스가 부여됩니다. 자세한 내용은 라이센스 파일을 참조하십시오.

감사의 말

우리는 AI Unite Hackathon의 주최자에게 우리의 작품을 선보일이 플랫폼을 제공 한 것에 대해 감사를 표하고 싶습니다. 또한, 우리는 귀중한 기부금에 대한 데이터 세트 제공 업체와 오픈 소스 커뮤니티에 감사를 표합니다.