| Titre : | La reconnaissance de l’écriture manuscrite dans les prescriptions médicales basées sur des techniques d’apprentissage profond | | Type de document : | document multimédia | | Auteurs : | Amira Belhanafi, Auteur ; Nadjat Ben Abderrahmane, Auteur ; Mustapha Bouakkaz, Directeur de thèse ; Sarah Saida Boudouh, Directeur de thèse | | Editeur : | Laghouat : Université Amar Telidji - Département d'informatique | | Année de publication : | 2023 | | Importance : | 59 p. | | Accompagnement : | 1 disque optique numérique (CD-ROM) | | Note générale : | Option : Systèmes d’information et de décision | | Langues : | Français | | Mots-clés : | DL EMNIST dataset IAM dataset CNN SVM | | Résumé : | Les gens en général rencontrent de grandes difficultés pour lire l’écriture manuscrite des médecins, car ils sont généralement connus pour avoir une écriture illisible. Cela est du `a plusieurs raisons, ce qui rend la tache des pharmaciens difficile lorsqu’il s’agit de fournir le bon médicament aux patients. Dans les pires cas, cela peut même entraıner la perte de vie du patient et exposer le médecin `a des sanctions légales. `A travers ce travail de master nous nous intéressons `a l’utilisation des techniques de deep learning (DL) pour la reconnaissance de l’écriture manuscrite dans les prescriptions médicales, En exploitant différents dataset tels que une dataset réalisé par nous-même, EMNIST dataset et IAM dataset, ainsi que différentes techniques telles que CNN et SVM, en nous basant sur ce qui a été mentionné, construit plusieurs modèles qui ont montré des résultats différents, atteignant une accuracy maximale de 91 %. | | note de thèses : | Mémoire de master en Informatique |
La reconnaissance de l’écriture manuscrite dans les prescriptions médicales basées sur des techniques d’apprentissage profond [document multimédia] / Amira Belhanafi, Auteur ; Nadjat Ben Abderrahmane, Auteur ; Mustapha Bouakkaz, Directeur de thèse ; Sarah Saida Boudouh, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2023 . - 59 p. + 1 disque optique numérique (CD-ROM). Option : Systèmes d’information et de décision Langues : Français | Mots-clés : | DL EMNIST dataset IAM dataset CNN SVM | | Résumé : | Les gens en général rencontrent de grandes difficultés pour lire l’écriture manuscrite des médecins, car ils sont généralement connus pour avoir une écriture illisible. Cela est du `a plusieurs raisons, ce qui rend la tache des pharmaciens difficile lorsqu’il s’agit de fournir le bon médicament aux patients. Dans les pires cas, cela peut même entraıner la perte de vie du patient et exposer le médecin `a des sanctions légales. `A travers ce travail de master nous nous intéressons `a l’utilisation des techniques de deep learning (DL) pour la reconnaissance de l’écriture manuscrite dans les prescriptions médicales, En exploitant différents dataset tels que une dataset réalisé par nous-même, EMNIST dataset et IAM dataset, ainsi que différentes techniques telles que CNN et SVM, en nous basant sur ce qui a été mentionné, construit plusieurs modèles qui ont montré des résultats différents, atteignant une accuracy maximale de 91 %. | | note de thèses : | Mémoire de master en Informatique |
|
Ajouter le résultat dans votre panier Faire une suggestion Affiner la rechercheLa reconnaissance de l’écriture manuscrite dans les prescriptions médicales basées sur des techniques d’apprentissage profond / Amira Belhanafi
