nvAI

脑肿瘤检测模型？

欢迎来到NVAI团队在AI Unite Hackathon期间开发的脑肿瘤检测模型！我们的项目利用机器学习，计算机视觉和细分技术来检测MRI图像的脑肿瘤。

项目概述

客户

我们的客户端应用是使用React构建的，它提供了与我们的脑肿瘤检测系统相互作用的直观界面。它与服务器端烧瓶API无缝通信。
现场演示

服务器

服务器组件由托管在Linode实例上的烧瓶提供动力。该API接受脑肿瘤的MRI图像，并返回详细的JSON响应，包括检测状态，置信分数和图像链接。

 {
  "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"
    }
  ]
}

团队成员

• PARTH VARVAVIK-完整的堆栈开发人员
• 克里希·戈恩卡（Krish Goenka） -AI模型开发人员
• Anustup Karnar -AI模型开发人员
• Rajarshi Ghosh -AI模型开发人员
• Palak Chaplot- UI/UX设计师，演示头

使用的技术

前端

后端

机器学习

数据库

安装

• 克隆存储库：

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

• 安装依赖项：
  • 客户端依赖性
  • 服务器端依赖性

模型概述

我们的模型基于在标记有肿瘤存在或不存在的MRI图像数据集上训练的卷积神经网络（CNN）。我们在测试数据集中获得了89％的精度。该模型利用分割技术来识别和对MRI扫描中的脑肿瘤进行分类。

贡献指南

？我们欢迎社区的捐款！无论是改进模型，增强UI/UX还是优化代码库，我们都感谢所有的努力。请随意分叉存储库，进行改进并提交拉动请求。

执照

该项目是根据MIT许可证获得许可的 - 有关详细信息，请参见许可证文件。

致谢

我们要感谢AI Unite Hackathon的组织者提供该平台来展示我们的作品。此外，我们感谢数据集提供商和开源社区的宝贵贡献。