Classification multi-label \`a grande dimension pour la d\'etection de concepts m\'edicaux (Large multi-label classification for medical concepts detection)
Dans ce papier, nous pr{\'e}sentons une m{\'e}thode pour associer de fa{\c{c}}on automatique des concepts {\`a} des images. Nous nous focalisons plus particuli{\`e}rement sur des images m{\'e}dicales {\`a} annoter avec des concepts UMLS. Nous avons d{\'e}velopp{\'e} deux mod{\`e}les de transfert d{'}apprentissage {\`a} partir des r{\'e}seaux CNN VGG19 et ResNet50 . Nous avons utilis{\'e} des mod{\`e}les avec des techniques simples et que nous avons optimis{\'e}s pour l{'}apprentissage. Les r{\'e}sultats que nous avons obtenus en utilisant les donn{\'e}es de la t{\^a}che ImageCLEF 2017 sont encourageants et comparables {\`a} ceux des autres participants.
PDF Abstract
Datasets
Add Datasets
introduced or used in this paper
Results from the Paper
Submit
results from this paper
to get state-of-the-art GitHub badges and help the
community compare results to other papers.
Methods
No methods listed for this paper. Add
relevant methods here
