32 collectifs
Breakfast in America
A propos
Sales led Growth for B2B SaaS -> We help you sign US Customers.
Byteworks
A propos
Build, ship, repeat
FA#
A propos
Automatisation & Optimisation: Votre duo d'experts pour des process métier performants et une croissance accélérée.
PassePartout Services
A propos
L'offre de conseil et réalisation de PassePartout - les créateurs du micropaiement éponyme - à votre service pour vos produits #médias #paiement #IA #data
LICTER
A propos
Comprenez ce qui séduit vos cibles & vos clients. Collectif Market research, social listening & consumer insights
Glance data
A propos
Leverage your data to make smarter business decisions through AI
Fyce Tech
A propos
Digitalisez votre vision en No-code
ISquare
A propos
Nous façonnons les projets de nos clients en fusionnant le meilleur des deux mondes du NoCode et du Code.
adalab
A propos
L'expertise data au service de projet à impact positif
Fada Collectif
A propos
Du talent à l'état pur, de la folie bien dosée
Tyrscale
A propos
Be data driven
Hyperstack
A propos
Data team as a Service
Sypher
A propos
Turn your data into actions to activate x2 qualified leads
LumosAI
A propos
Tailor-made Machine Learning.
Ana Healthcare
•Santé, Pharmaceutique & Biotech•Tech & Software•TPE
Estimation automatique du SNR en IRM
Étape 3 du développement d'un outil de contrôle qualité des images IRM et scanner
L'objectif était de quantifier la qualité d'une image IRM en estimant son niveau de bruit (SNR, CNR). La difficulté est de fournir une métrique objective d'une perception visuelle du bruit qui varie selon l'objectif clinique. Pour cela, plusieurs méthodes d'estimation du SNR sont comparées et confrontées à une estimation visuelle du SNR.
État de l'art sur les méthodes d'estimation du niveau de bruit en IRM
Constitution d'une base de données publiques de 616 cas
Implémentation de l'algorithme de non-local PCA avec adaptation aux volumes 3D
Évaluation sur données réelles avec différents niveaux de bruit Rician et comparaison avec la méthode manuelle de ROI.
Implémentation et comparaison de 4 méthodes d'extraction automatique du background
Implémentation de métriques d'évaluation (entropie et total variation) pour l'identification automatique de la meilleure extraction de background
Évaluation visuelle sur la base de données
Durée : 29 jours (projet en cours)
Membres
Expertises
De
Mai 2023 à Août 2023