|
| Titre : | Compression d’images médicales en ROI basée sur une approche de segmentation | | Type de document : | theses et memoires | | Auteurs : | Khaddidja Igheroussene ; Naima Sadoun, Directeur de thèse | | Editeur : | Tizi.Ouzou : U.M.M.T.O | | Année de publication : | 2020 | | Importance : | 71 p. | | Présentation : | ill. | | Format : | 30 cm. | | Note générale : | Bibliogr. | | Langues : | Français | | Mots-clés : | Région d'intérêt(ROI) Tond d'image Compression JPEG Intelligence artificielle Tumeur Images médicales Traitement d’image Python Algorithmes des segmentation d’images Réseaux de neurones. | | Résumé : | C'est là qu'intervient la compression numérique pour réduire la taille des données pour le stockage, le traitement ou la transmission. On distingue à ce jour deux types de compression. La première catégorie est la compression sans perte, conduisant à une reconstruction parfaite. Ce type de compression est notamment utilisé dans des domaines où l'on souhaite comprimer des informations, sans toutefois introduire une quelconque erreur sur des données hautement sensibles. Bien évidemment, tout le savoir-faire réside dans la maitrise de ces pertes et l'enjeu de cette compression avec parte est de rechercher le meilleur compromis entre la qualité de l'image reconstruite le taux de compression atteint. Dans notre travail, nous nous intéressons plus particulièrement à la compression JPEG d'images médicales en régions d'intérêts, ou ces dimères sont détectées automatiquement par un algorithme de segmentation par région base sur l'intelligence Artificielle.
De plus, nous évoquerons les points de base du codeur que nous utiliserons dans notre algorithme de compression, à savoir le codeur JPEG. | | En ligne : | D:\CD THESES 2020\RETARDATAIRES\IGHEROUSSENE KHADDIDJA.PDF | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=35857 |
Compression d’images médicales en ROI basée sur une approche de segmentation [theses et memoires] / Khaddidja Igheroussene ; Naima Sadoun, Directeur de thèse . - Tizi.Ouzou (Tizi.Ouzou) : U.M.M.T.O, 2020 . - 71 p. : ill. ; 30 cm. Bibliogr. Langues : Français | Mots-clés : | Région d'intérêt(ROI) Tond d'image Compression JPEG Intelligence artificielle Tumeur Images médicales Traitement d’image Python Algorithmes des segmentation d’images Réseaux de neurones. | | Résumé : | C'est là qu'intervient la compression numérique pour réduire la taille des données pour le stockage, le traitement ou la transmission. On distingue à ce jour deux types de compression. La première catégorie est la compression sans perte, conduisant à une reconstruction parfaite. Ce type de compression est notamment utilisé dans des domaines où l'on souhaite comprimer des informations, sans toutefois introduire une quelconque erreur sur des données hautement sensibles. Bien évidemment, tout le savoir-faire réside dans la maitrise de ces pertes et l'enjeu de cette compression avec parte est de rechercher le meilleur compromis entre la qualité de l'image reconstruite le taux de compression atteint. Dans notre travail, nous nous intéressons plus particulièrement à la compression JPEG d'images médicales en régions d'intérêts, ou ces dimères sont détectées automatiquement par un algorithme de segmentation par région base sur l'intelligence Artificielle.
De plus, nous évoquerons les points de base du codeur que nous utiliserons dans notre algorithme de compression, à savoir le codeur JPEG. | | En ligne : | D:\CD THESES 2020\RETARDATAIRES\IGHEROUSSENE KHADDIDJA.PDF | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=35857 |
|
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesCompression d’images médicales en ROI basée sur une approche de segmentation / Khaddidja Igheroussene (2020)
