Multi-Instance Multi-Stage Deep Learning for Medical Image Recognition
Mastrodicasa, Simon
Promoteur(s) :
Phillips, Christophe
Date de soutenance : 25-jui-2018/26-jui-2018 • URL permanente : http://hdl.handle.net/2268.2/4673
Détails
Titre : | Multi-Instance Multi-Stage Deep Learning for Medical Image Recognition |
Titre traduit : | [fr] Deep Learning Multi-Cas Multi-Etapes pour la Reconnaissance en Imagerie Medicale |
Auteur : | Mastrodicasa, Simon ![]() |
Date de soutenance : | 25-jui-2018/26-jui-2018 |
Promoteur(s) : | Phillips, Christophe ![]() |
Membre(s) du jury : | Zhang, Gary
Geurts, Pierre ![]() Louppe, Gilles ![]() |
Langue : | Anglais |
Nombre de pages : | 65 |
Mots-clés : | [en] Machine learning [en] MRI [en] Deep Learning [en] Multi-Instance |
Discipline(s) : | Ingénierie, informatique & technologie > Sciences informatiques |
Centre(s) de recherche : | University College of London |
Public cible : | Chercheurs |
URL complémentaire : | https: //github.com/Mastrodicasa/Master_Thesis.git |
Institution(s) : | Université de Liège, Liège, Belgique |
Diplôme : | Master en ingénieur civil biomédical, à finalité spécialisée |
Faculté : | Mémoires de la Faculté des Sciences appliquées |
Résumé
[en] Given a 2D transversal slice, identify which body section it belongs to, which is a
classification problem.
The twist is, instead of having a database with segmented body parts (example:
in this image, the heart is placed there, which is the discriminative feature of the
"cardiac" body section), image level label (example:this image belongs to the "car-
diac" body section) are used to train the algorithm, reducing greatly the annotation
time done by a specialist.
Fichier(s)
Document(s)
![File](/static/img/item/file.png)
![Accès restreint Access](/static/img/item/file/pdf_lock.png)
Description: -
Taille: 1.32 MB
Format: Adobe PDF
Citer ce mémoire
Tous les documents disponibles sur MatheO sont protégés par le droit d'auteur et soumis aux règles habituelles de bon usage.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.