←

Classification Chest X-Ray

CNN pour la classification d'images médicales

Voir sur GitHub →

Problème

L'imagerie médicale nécessite une classification automatisée pour soutenir les radiologues. Besoin de haute précision sur la détection des pathologies tout en maintenant l'interprétabilité.

Solution

Architecture CNN personnalisée avec augmentation de données, pipeline de prétraitement et évaluation de métriques cliniques (sensibilité, spécificité, AUC)

Medical Image Classification Pipeline Input Raw X-Ray Image Preprocessing Normalization Augmentation CNN Model Custom Architecture Output Classification + Confidence Evaluation Sensitivity, Specificity, AUC Training & Validation Strategy Data Split Training: 70% Validation: 15% Test: 15% Augmentation Rotation Flipping Scaling CNN Features Conv Layers MaxPooling Dropout Clinical Metrics Sensitivity Specificity ROC-AUC

Résultats

CNN
Architecture
Medical
Domaine
TensorFlow
Framework

Stack Technologique

PythonTensorFlowKerasNumPyPandasMatplotlibMedical AIComputer Vision