Conférence
Notice
Lieu de réalisation
9e Journée thématique de Biotechnocentre Webinaire 2024
Langue :
Français
Crédits
Rachid Jennane (Intervention)
Conditions d'utilisation
Droit commun de la propriété intellectuelle
DOI : 10.60527/8bv0-1d10
Citer cette ressource :
Rachid Jennane. BTC. (2024, 21 juin). Automatic Early Detection of Knee Osteoarthritis using Deep Learning Models , in 9ème journée thématique de BioTechnoCentre, « L’IA dans les sciences de la vie et de la santé : quels résultats, quelles perspectives ? » 21 juin 2024. [Vidéo]. Canal-U. https://doi.org/10.60527/8bv0-1d10. (Consultée le 19 juillet 2025)
logo BTC
BioTechnoCentre
S'abonner
Contacter

Automatic Early Detection of Knee Osteoarthritis using Deep Learning Models

Réalisation : 21 juin 2024 - Mise en ligne : 9 juillet 2024
  • document 1 document 2 document 3
  • niveau 1 niveau 2 niveau 3
Descriptif

Knee OsteoArthritis (OA) is one of the most frequent causes of physical disability worldwide and is associated with significant personal and socioeconomic burdens. There is a considerable need to develop automated methods for early diagnosis of knee OA. Over the last few years, Deep Learning (DL) models have gained remarkable attention from the computer vision research community and achieved great success in various medical imaging applications.

In this talk I will introduce different DL-based models developed for fully automatic knee OA severity assessment and OA prediction using radiographic or Magnetic Resonance images (MRI).

Experimental results achieved on different public databases such as the OsteoArthritis Initiative (OAI) and the Multicenter Osteoarthritis Study (MOST) have demonstrated the validity of our approaches, enabling to significantly improve early classification performance of knee OA.

Intervention
Thème
Discipline :

Dans la même collection

Voir tout