Classification des images de tumeurs cérébrales par résonance magnétique (IRM) en utilisant le Deep Learning / Khaled Mousli

Public ISBD Titre : Classification des images de tumeurs cérébrales par résonance magnétique (IRM) en utilisant le Deep Learning Type de document : texte manuscrit Auteurs : Khaled Mousli, Auteur ; Safieddine Chettouh, Auteur ; Abdelkader Zitouni, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'électrotechnique Année de publication : 2022 Importance : 65p. Note générale : OPTION : Electronique des systèmes embarqués Langues : Français Résumé : L'intelligence artificielle, considérée comme étant une intelligence fournie par une machine, est utilisée pour développer et faire progresser de nombreux domaines, y compris la santé, l’industrie, le commerce et le domaine d’agriculture .Les tumeurs cérébrales sont la maladie la plus courante et la plus agressive, avec une espérance de vie relativement courte dans leur forme la plus grave. Ainsi, la planification du traitement est une étape importante dans l'amélioration de la qualité de vie des patients. Dans ce travail nous avons proposé une méthode qui illustre l'utilisation de deep learning network pour effectuer une segmentation des tumeurs cérébrales dans l'imagerie par résonance magnétique (IRM). Au cours de notre travail et afin de pouvoir réaliser la classification automatique de l'ensemble d’images, nous avons adopté deux modèles CNNs à savoir AlexNet et GoogleNet. Les deux modèles CNNs que nous avons adopté dans notre travail donne de bons résultats en classification d’images IRM de tumeurs cérébrales. Comme deuxième partie nous avons utilisé un 3-D U-Net deep learning network pour effectuer une segmentation sémantique binaire des tumeurs cérébrales dans l'imageries IRM.L’approche proposée pour faire la segmentation sémantique dans la base BraTS 2020 donne des bons résultats note de thèses : memoire de master Classification des images de tumeurs cérébrales par résonance magnétique (IRM) en utilisant le Deep Learning [texte manuscrit] / Khaled Mousli, Auteur ; Safieddine Chettouh, Auteur ; Abdelkader Zitouni, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'électrotechnique, 2022 . - 65p. OPTION : Electronique des systèmes embarqués Langues : Français Résumé : L'intelligence artificielle, considérée comme étant une intelligence fournie par une machine, est utilisée pour développer et faire progresser de nombreux domaines, y compris la santé, l’industrie, le commerce et le domaine d’agriculture .Les tumeurs cérébrales sont la maladie la plus courante et la plus agressive, avec une espérance de vie relativement courte dans leur forme la plus grave. Ainsi, la planification du traitement est une étape importante dans l'amélioration de la qualité de vie des patients. Dans ce travail nous avons proposé une méthode qui illustre l'utilisation de deep learning network pour effectuer une segmentation des tumeurs cérébrales dans l'imagerie par résonance magnétique (IRM). Au cours de notre travail et afin de pouvoir réaliser la classification automatique de l'ensemble d’images, nous avons adopté deux modèles CNNs à savoir AlexNet et GoogleNet. Les deux modèles CNNs que nous avons adopté dans notre travail donne de bons résultats en classification d’images IRM de tumeurs cérébrales. Comme deuxième partie nous avons utilisé un 3-D U-Net deep learning network pour effectuer une segmentation sémantique binaire des tumeurs cérébrales dans l'imageries IRM.L’approche proposée pour faire la segmentation sémantique dans la base BraTS 2020 donne des bons résultats note de thèses : memoire de master

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
the 09-117	the 09-117	Thése	BIBLIOTHEQUE DE FACULTE DE TECHNOLOGIE	Genie electrique (TEC)	Disponible

---

page 1/1