Un étudiant travaille sur un pipeline de recherche pour la détection et l'analyse des tumeurs cérébrales dans le cadre de sa thèse. Son approche comprend plusieurs étapes clés : une classification binaire pour détecter la présence ou l'absence de tumeur, une classification multi-classes pour identifier le type de tumeur, une segmentation des tumeurs à l'aide de modèles U-Net, et une évaluation du grade des tumeurs. Il prévoit également d'utiliser des techniques d'IA explicable pour améliorer l'interprétabilité des résultats et de concevoir un CNN personnalisé pour des comparaisons de performance. L'objectif final est de créer un pipeline complet avec visualisation, potentiellement intégré à YOLOv7 pour la détection et la démonstration. L'étudiant sollicite des retours sur la faisabilité de son projet, sa pertinence pour une publication et des suggestions d'amélioration.
L'étudiant exprime des doutes sur l'étendue de son pipeline et se demande s'il est trop large pour une seule thèse. Il cherche également à savoir si son approche est suffisamment solide pour une publication dans une conférence ou un journal, sous réserve de résultats concluants. Il invite la communauté à partager ses expériences et ses suggestions pour affiner son projet et se concentrer sur les aspects les plus prometteurs.