Article image
Flayson Santos
Flayson Santos05/01/2023 21:42
Compartilhe

Diagnóstico médico de raio X de tórax com aprendizado profundo

  • #JavaScript
  • #Python
  • #Machine Learning

SIGA A PUBLICAÇÃO E SETA CIMA


Chest X-Ray Medical Diagnosis with Deep Learning


Github : https://github.com/FlaysonSantos/Chest-X-Ray-Medical-Diagnosis-with-Deep-Learning


Boa noite, bora colocar o código em pratica e aplicar Machine Learning junto a diagnostico de medicina apreciem o projeto.

Bem-vindo à aplicação de IA para diagnóstico médico!

Nesta aplicação, você explorará o diagnóstico de imagens médicas construindo um classificador de raios-X de tórax de última geração usando o Keras.

A tarefa percorrerá algumas das etapas de construção e avaliação desse modelo de classificador de aprendizado profundo.

Em particular:

Pré-processe e preparo de um conjunto de dados de raios X do mundo real.

Aprendizado de transferência para treinar novamente um modelo DenseNet para classificação de imagens de raios-X.

Técnica para lidar com o desequilíbrio de classe

Mensurar o desempenho do diagnóstico calculando a AUC (área sob a curva) para a curva ROC (característica operacional do receptor).

Visualize a atividade do modelo usando GradCAMs.

Tópicos:

  1. Preparação de dados.
  2. Prevenção de vazamento de dados.
  3. Desenvolvimento de modelo
  4. Lidando com o desequilíbrio de classe.
  5. Aproveitando modelos pré-treinados usando o aprendizado de transferência.
  6. Avaliação
  7. Curvas AUC e ROC.

https://www.linkedin.com/posts/flayson-santos_chest-x-ray-medical-diagnosis-with-deep-learning-activity-7016582508536344576-5-UH?utm_source=share&utm_medium=member_desktop

Compartilhe
Comentários (4)
Tawara Martins
Tawara Martins - 06/01/2023 13:14

Nossa! Muito interessante.

Jarbas Júnior
Jarbas Júnior - 06/01/2023 00:45

Machine Learning não é mais o futuro. Já é o presente!

Geraldo Oliveira
Geraldo Oliveira - 06/01/2023 00:00

Obrigado por compartilhar. Muito interessante.

Alisson Machado
Alisson Machado - 05/01/2023 23:10

Muito bom cara!