nvAI

Modelo de detecção de tumores cerebrais?

Bem -vindo ao nosso modelo de detecção de tumores cerebrais desenvolvido durante a IA Unite Hackathon pela equipe NVAI! Nosso projeto utiliza técnicas de aprendizado de máquina, visão computacional e segmentação para detectar tumores cerebrais de imagens de ressonância magnética.

Visão geral do projeto

Cliente

Nosso aplicativo do lado do cliente é construído usando o React, oferecendo uma interface intuitiva para interagir com nosso sistema de detecção de tumores cerebrais. Ele se comunica perfeitamente com a API de frasco do lado do servidor.
Demoção ao vivo

Servidor

O componente do servidor é alimentado pelo Flask, hospedado em uma instância do Linode. Esta API aceita imagens de ressonância magnética de tumores cerebrais e retorna respostas JSON detalhadas, incluindo status de detecção, pontuações de confiança e links de imagem.

 {
  "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"
    }
  ]
}

Membros da equipe

• Parth Vastavik - desenvolvedor de pilha completa
• Krish Goenka - desenvolvedor de modelos de AI
• Anustup Karnar - desenvolvedor de modelos AI
• Rajarshi Ghosh - desenvolvedor de modelos AI
• Palak Chaplot - Designer UI/UX, Chefe de Apresentação

Tecnologias usadas

Front-end

Back -end

Aprendizado de máquina

Banco de dados

Instalação

• Clone o repositório:

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

• Instale dependências:
  • Dependências do lado do cliente
  • Dependências do lado do servidor

Visão geral do modelo

Nosso modelo é baseado em redes neurais convolucionais (CNNs) treinadas em um conjunto de dados de imagens de ressonância magnética rotuladas com presença ou ausência do tumor. Conseguimos uma precisão de 89% em nosso conjunto de dados de teste. O modelo utiliza técnicas de segmentação para identificar e classificar tumores cerebrais a partir de varreduras de ressonância magnética.

Diretrizes de contribuição

? Congratulamo -nos com contribuições da comunidade! Seja melhorando o modelo, aprimorando a UI/UX ou otimizando a base de código, apreciamos todos os esforços. Sinta -se à vontade para bifurcar o repositório, fazer melhorias e enviar solicitações de tração.

Licença

Este projeto está licenciado sob a licença do MIT - consulte o arquivo de licença para obter detalhes.

Agradecimentos

Gostaríamos de expressar nossa gratidão aos organizadores da IA ​​Unite Hackathon por fornecer a essa plataforma para mostrar nosso trabalho. Além disso, agradecemos aos provedores de dados e à comunidade de código aberto por suas contribuições inestimáveis.