Imagerie médicale · computer vision
Classification de tumeurs cérébrales
Classification d’examens d’image avec une architecture hybride CNN–Transformer.
Problème
Séparer des classes en imagerie cérébrale demande à la fois le détail local (texture, bords) et le contexte global de la coupe. Un CNN pur ou un transformer pur rate souvent l’un des deux.
Approche
Architecture hybride CNN–Transformer : le CNN apporte le biais spatial local ; le transformer modélise des relations plus longues. Entraînement et évaluation selon des protocoles de recherche en vision médicale.
Résultat
Modèle de recherche pour la classification en imagerie cérébrale. Tout chiffre d’accuracy dépend du jeu et du protocole ; on ne les fabrique pas ici.
Stack
PyTorch · CNN · Transformers · medical imaging