Alioulgsoa
Signal and Image Processing Engineer, specialized in Artificial Intelligence (Computer Vision).
INRAEFRANCE
Pinned Repositories
niftiViewer
Il s'agit d'une application simple développée en Python avec l'utilisation de QT Designer. Cette application a pour objectif d'afficher une image au format NIfTI (Neuroimaging Informatics Technology Initiative) et de permettre la visualisation de toutes les coupes (slices) associées à cette image. devoloper par Ali BOULGSOA
Algorithme-MICO
"Multiplicative intrinsic component optimization (MICO) for MRI bias field estimation and tissue segmentation", Magnetic Resonance Imaging, vol. 32 (7), pp. 913-923, 2014 Author: Chunming Li, all rights reserved E-mail: li_chunming@hotmail.com URL: http://imagecomputing.org/~cmli/
Algorithme-MICO-3D
"Multiplicative intrinsic component optimization (MICO) for MRI bias field estimation and tissue segmentation", Magnetic Resonance Imaging, vol. 32 (7), pp. 913-923, 2014 Author: Chunming Li, all rights reserved E-mail: li_chunming@hotmail.com URL: http://imagecomputing.org/~cmli/
Linear-Regeression-Co2
scikit-learn to implement simple Linear Regression
R-gression-Lin-aire-Avec-Numpy
les étapes pour développer une régression linéaire avec Numpy. Dans ce programme de Machine Learning réalisé dans Python, nous utiliserons Numpy, Matplotlib pyplot et sklearn.
Regrouper-3-tissus-segmentes-par-SPM.
De nombreux algorithmes de segmentation des classes de tissus utilisent 3 cartes de probabilité tissulaire : substance grise, substance blanche et LCS (et une catégorie « autre » implicite). Les voxels qui appartiennent à d'autres classes de tissus (comme le crâne ou les tissus mous) peuvent être attribués de manière incorrecte à la substance grise, à la substance blanche ou au LCS, ce qui réduit la précision de la segmentation. Celles-ci reflètent la probabilité qu'un voxel appartienne à chaque classe de tissus sur la base de la segmentation d'un grand nombre de cerveaux de jeunes adultes qui ont été normalisés à l'espace standard. Ceux-ci peuvent être trouvés dans SPMDIR/apriori/.
Convolutional-neural-network-for-image-classification
Convolutional neural network for image classification using TensorFlow
Cr-ation-et-application-des-masques-SPM
Dans la troisième partie on va utiliser une segmentation qui permet de rassembler les deux types de segmentation a priori et sans a priori, Étape 1 : Segmenter les images des cerveaux Avec boite crânienne avec SPM12 new segment qui permet de segmenter le cerveau sur 6 parties : substance grise, de la substance blanche et du LCS, le crâne, les tissus mous et une catégorie « autre ». Étape 2 : Convertir les parties C4, C5 et C6 segmente par SPM12 sous forme d’un masque avec C4 : le crâne, C5 : les tissus mous et C6 : catégorie « autre ». Étape 3 : J’applique le masque que j’ai créé dans l’étape 2 sur l’image que je veux segmenter. Étape 4 : Segmenter les images sorties de l’étape 3 par l’algorithme MICO.
Creation-et-application-des-masques-SPM
Dans la troisième partie on va utiliser une segmentation qui permet de rassembler les deux types de segmentation a priori et sans a priori, Étape 1 : Segmenter les images des cerveaux Avec boite crânienne avec SPM12 new segment qui permet de segmenter le cerveau sur 6 parties : substance grise, de la substance blanche et du LCS, le crâne, les tissus mous et une catégorie « autre ». Étape 2 : Convertir les parties C4, C5 et C6 segmente par SPM12 sous forme d’un masque avec C4 : le crâne, C5 : les tissus mous et C6 : catégorie « autre ». Étape 3 : J’applique le masque que j’ai créé dans l’étape 2 sur l’image que je veux segmenter. Étape 4 : Segmenter les images sorties de l’étape 3 par l’algorithme MICO.
D-tection-d-objets-avec-YOLO
Détection d'objets dans des images et des vidéos avec YOLO
Alioulgsoa's Repositories
Alioulgsoa/D-tection-d-objets-avec-YOLO
Détection d'objets dans des images et des vidéos avec YOLO
Alioulgsoa/Convolutional-neural-network-for-image-classification
Convolutional neural network for image classification using TensorFlow
Alioulgsoa/Face_Recognition
Ce projet de reconnaissance faciale en trois parties exploite différentes techniques pour identifier et suivre les visages.
Alioulgsoa/Face_Detection_Cascade_HOG_CNN
Alioulgsoa/niftiViewer
Il s'agit d'une application simple développée en Python avec l'utilisation de QT Designer. Cette application a pour objectif d'afficher une image au format NIfTI (Neuroimaging Informatics Technology Initiative) et de permettre la visualisation de toutes les coupes (slices) associées à cette image. devoloper par Ali BOULGSOA
Alioulgsoa/Detection_de_contour
Alioulgsoa/Linear-Regeression-Co2
scikit-learn to implement simple Linear Regression
Alioulgsoa/Algorithme-MICO
"Multiplicative intrinsic component optimization (MICO) for MRI bias field estimation and tissue segmentation", Magnetic Resonance Imaging, vol. 32 (7), pp. 913-923, 2014 Author: Chunming Li, all rights reserved E-mail: li_chunming@hotmail.com URL: http://imagecomputing.org/~cmli/
Alioulgsoa/Algorithme-MICO-3D
"Multiplicative intrinsic component optimization (MICO) for MRI bias field estimation and tissue segmentation", Magnetic Resonance Imaging, vol. 32 (7), pp. 913-923, 2014 Author: Chunming Li, all rights reserved E-mail: li_chunming@hotmail.com URL: http://imagecomputing.org/~cmli/
Alioulgsoa/lecture-et-visualisation-2D-et-3D-des-images-NIFTI
lecture et visualisation 2D et 3D des images NIFTI
Alioulgsoa/Separation-entre-SB-SG-LCR-d-une-image-segmenter
Séparation entre SB, SG, LCR d'une image segmenter
Alioulgsoa/Regrouper-3-tissus-segmentes-par-SPM.
De nombreux algorithmes de segmentation des classes de tissus utilisent 3 cartes de probabilité tissulaire : substance grise, substance blanche et LCS (et une catégorie « autre » implicite). Les voxels qui appartiennent à d'autres classes de tissus (comme le crâne ou les tissus mous) peuvent être attribués de manière incorrecte à la substance grise, à la substance blanche ou au LCS, ce qui réduit la précision de la segmentation. Celles-ci reflètent la probabilité qu'un voxel appartienne à chaque classe de tissus sur la base de la segmentation d'un grand nombre de cerveaux de jeunes adultes qui ont été normalisés à l'espace standard. Ceux-ci peuvent être trouvés dans SPMDIR/apriori/.
Alioulgsoa/Cr-ation-et-application-des-masques-SPM
Dans la troisième partie on va utiliser une segmentation qui permet de rassembler les deux types de segmentation a priori et sans a priori, Étape 1 : Segmenter les images des cerveaux Avec boite crânienne avec SPM12 new segment qui permet de segmenter le cerveau sur 6 parties : substance grise, de la substance blanche et du LCS, le crâne, les tissus mous et une catégorie « autre ». Étape 2 : Convertir les parties C4, C5 et C6 segmente par SPM12 sous forme d’un masque avec C4 : le crâne, C5 : les tissus mous et C6 : catégorie « autre ». Étape 3 : J’applique le masque que j’ai créé dans l’étape 2 sur l’image que je veux segmenter. Étape 4 : Segmenter les images sorties de l’étape 3 par l’algorithme MICO.
Alioulgsoa/Creation-et-application-des-masques-SPM
Dans la troisième partie on va utiliser une segmentation qui permet de rassembler les deux types de segmentation a priori et sans a priori, Étape 1 : Segmenter les images des cerveaux Avec boite crânienne avec SPM12 new segment qui permet de segmenter le cerveau sur 6 parties : substance grise, de la substance blanche et du LCS, le crâne, les tissus mous et une catégorie « autre ». Étape 2 : Convertir les parties C4, C5 et C6 segmente par SPM12 sous forme d’un masque avec C4 : le crâne, C5 : les tissus mous et C6 : catégorie « autre ». Étape 3 : J’applique le masque que j’ai créé dans l’étape 2 sur l’image que je veux segmenter. Étape 4 : Segmenter les images sorties de l’étape 3 par l’algorithme MICO.
Alioulgsoa/TP-TN-FP-FN
la première est la segmentation de référence de l'objet et la seconde est la segmentation de l'objet par l'algorithme que je souhaite tester
Alioulgsoa/l-indice-de-similarit-Jaccard-
programme Matlab pour calculer l'indice de similarité Jaccard entre deux image de cerveau
Alioulgsoa/R-gression-Lin-aire-Avec-Numpy
les étapes pour développer une régression linéaire avec Numpy. Dans ce programme de Machine Learning réalisé dans Python, nous utiliserons Numpy, Matplotlib pyplot et sklearn.