Machine d'apprentissage pour la reconnaissance des lymphomes
Etude et Analyse des Lésions Lymphomateuses en IRM de Diffusion Corps Entier
Versandkostenfrei!
Versandfertig in 6-10 Tagen
51,99 €
inkl. MwSt.
PAYBACK Punkte
26 °P sammeln!
L'objectif de notre travail était de concevoir un système d'aide au diagnostic permettant d'étudier et d'analyser les lésions lymphomateuses détectées en IRM de diffusion corps entier et de préciser leur quantification en termes d'ADC. Nous avons utilisé une base de données tunisienne, acquise à l'Hôpital d'Enfants de Tunis, que nous avons exploitée pour traiter 1005 images provenant de 50 patients. Nous avons segmentées et extraire les lésions lymphomateuses en se basant sur plusieurs algorithmes de segmentation. Ces régions d'intérêts sont utilisées pour extraire 72 attribu...
L'objectif de notre travail était de concevoir un système d'aide au diagnostic permettant d'étudier et d'analyser les lésions lymphomateuses détectées en IRM de diffusion corps entier et de préciser leur quantification en termes d'ADC. Nous avons utilisé une base de données tunisienne, acquise à l'Hôpital d'Enfants de Tunis, que nous avons exploitée pour traiter 1005 images provenant de 50 patients. Nous avons segmentées et extraire les lésions lymphomateuses en se basant sur plusieurs algorithmes de segmentation. Ces régions d'intérêts sont utilisées pour extraire 72 attributs (fonctionnels, anatomiques et morphologiques à partir des cartographies ADC, séquence T2 fusionnée avec image de diffusion (b600), et les images binaires respectivement). Seulement trois attributs pertinents sont sélectionnés à partir du 72 paramètres, et présentés par la suite aux classifieurs: ANN, SVM, K-NN, et Random Forest, pour la reconnaissance automatique des lésions lymphomateuses soit comme lésions évolutives ou masses résiduelles.
Andere Kunden interessierten sich für
