Application de modèle RF à la classification des images cérébrales IRM pour la détection des zones atteintes / Nora Si Hadj Mohand (2022)

Public ISBD Titre : Application de modèle RF à la classification des images cérébrales IRM pour la détection des zones atteintes Type de document : theses et memoires Auteurs : Nora Si Hadj Mohand, Auteur ; Malia Salaouatchi, Auteur ; Mourad Lazri, Auteur Editeur : TIZI-OUZOU : FGEI.UMMTO Année de publication : 2022 Importance : 79 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Système nerveux  AVC  Tumeurs cérébrales  Images médicales  Traitement d’images  Image numérique  Pixel  Histogramme  Attributs de texture  Segmentation d’image  Techniques d’imagerie cérébrale  IRM  Rayon X  TDM  Radiographie  Rayons gamma  TEP  Scintigraphie  Electroencéphalographie EEG  Random Forest  Algorithme des forets aléatoire  BAGGING  classification  EPINETLAB. Résumé : Ce mémoire explore l'application des modèles de forêt aléatoire (RF) à la classification des images cérébrales obtenues par résonance magnétique (IRM) en vue de détecter les zones atteintes. L'étude se concentre sur l'utilisation de techniques d'apprentissage automatique pour améliorer la précision et l'efficacité du diagnostic des troubles cérébraux. Les résultats obtenus mettent en évidence le potentiel de cette approche pour contribuer à une détection précoce et précise des anomalies cérébrales, ce qui pourrait avoir un impact significatif sur les soins de santé et la prise en charge des patients. Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=36842 Application de modèle RF à la classification des images cérébrales IRM pour la détection des zones atteintes [theses et memoires] / Nora Si Hadj Mohand, Auteur ; Malia Salaouatchi, Auteur ; Mourad Lazri, Auteur . - TIZI-OUZOU (TIZI-OUZOU) : FGEI.UMMTO, 2022 . - 79 p. : ill. ; 30 cm. Bibliogr. Langues : Français Mots-clés : Système nerveux  AVC  Tumeurs cérébrales  Images médicales  Traitement d’images  Image numérique  Pixel  Histogramme  Attributs de texture  Segmentation d’image  Techniques d’imagerie cérébrale  IRM  Rayon X  TDM  Radiographie  Rayons gamma  TEP  Scintigraphie  Electroencéphalographie EEG  Random Forest  Algorithme des forets aléatoire  BAGGING  classification  EPINETLAB. Résumé : Ce mémoire explore l'application des modèles de forêt aléatoire (RF) à la classification des images cérébrales obtenues par résonance magnétique (IRM) en vue de détecter les zones atteintes. L'étude se concentre sur l'utilisation de techniques d'apprentissage automatique pour améliorer la précision et l'efficacité du diagnostic des troubles cérébraux. Les résultats obtenus mettent en évidence le potentiel de cette approche pour contribuer à une détection précoce et précise des anomalies cérébrales, ce qui pourrait avoir un impact significatif sur les soins de santé et la prise en charge des patients. Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=36842

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAST.ELN.17-22/1	MAST.ELN.17-22	Mémoires	Magasin de Thèses et Mémoires / FGE	Master en Electronique	Disponible

Aucun avis, veuillez vous identifier pour ajouter le vôtre !

---

page 1/1