← Maia Bazerji

Chest X-Ray Classification Classification Chest X-Ray

CNN for medical image classification CNN pour la classification d'images médicales

View on GitHub → Voir sur GitHub →

Problem Problème

Medical imaging requires automated classification to support radiologists. Need high accuracy on pathology detection while maintaining interpretability. 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 Solution

Custom CNN architecture with data augmentation, preprocessing pipeline, and clinical metric evaluation (sensitivity, specificity, AUC) 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

Results Résultats

CNN
ArchitectureArchitecture
Medical
DomainDomaine
TensorFlow
FrameworkFramework

Technology Stack Stack Technologique

PythonTensorFlowKerasNumPyPandasMatplotlibMedical AIComputer Vision