Aide à la décision
❯
Diagnostiquer
❯Soins de santé - Améliorer le travail d'enquête
Représentation des connaissances - Réseau bayésien
Pour:
Ingénieurs procédés.
But:
Application des réseaux bayésiens à l'analyse des causes profondes des processus industriels.
Objectif:
Améliorer l'efficacité des opérations
Grandes entreprises
Opérations - Surveillance intelligente des infrastructures
Pour:
Opérateurs d'usine
But:
Optimisation de l'efficacité thermique d'une centrale électrique à l'aide de Machine Learning.
Objectif:
Améliorer l'efficacité des opérations, améliorer l'efficacité des employés, réduire les coûts
Grand public
Soins de santé - Améliorer le travail d'enquête
Pour:
Radiologues
But:
Utilisation de l'apprentissage automatique pour prédire le cancer du poumon à partir de tomodensitogrammes.
Objectif:
Anticiper les risques
Prédiction de la tuberculose multirésistante à partir d'images pulmonaires CT basées sur des techniques d'apprentissage en profondeur
Pour:
Les cliniciens et les professionnels de la santé prédisent les patients multirésistants (MDR) des patients sensibles aux médicaments (DS) sur la base d'images pulmonaires CT.
Objectif:
Amélioration de l'efficacité des employés
Grand public
Soins de santé - Améliorer le travail d'enquête
Pour:
RadiologuesObjectif:
Anticiper les risquesProblème adressé
Le cancer du poumon est l'une des formes de cancer les plus courantes et les plus meurtrières. La détection précoce du cancer augmente considérablement les taux de survie. Un radiologue examinera généralement des centaines d'images 2D dans une seule tomodensitométrie (TDM), ce qui rend les petites tumeurs potentiellement malignes difficiles à repérer. Des outils d'aide à la décision, y compris la visualisation du scan en 3D, peuvent aider à identifier les anomalies potentielles des tomodensitogrammes.
But du cas d'usage
Utilisation de l'apprentissage automatique pour prédire le cancer du poumon à partir de tomodensitogrammes.