Détection et classification automatisée des tumeurs dans les images médicales / Zakia Ouis (2023)

Public ISBD Titre : Détection et classification automatisée des tumeurs dans les images médicales Type de document : theses et memoires Auteurs : Zakia Ouis, Auteur ; Sabiha Tamelikacht, Auteur ; Mourad Kedim, Auteur Editeur : Tizi-Ouzou : UMMTO F.G.E.I Année de publication : 2023 Importance : 63p Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Tumeurs  Imagerie médicale  Détection des contours  Intelligence artificielle  Deep Learning  Réseaux de neurones convolutifs (CNN)  Classification. Résumé : Les réseaux de neurones convolutifs (CNN) sont actuellement considérés comme les outils d'IA les plus performants pour la détection des tumeurs. Dans notre travail, nous avons exploité les capacités du logiciel MATLAB pour analyser un ensemble d'images tumorales provenant d'échographies et de mammographies. En utilisant des méthodes d'analyse des propriétés des régions d'intérêt dans les images, nous avons pu détecter les zones tumorales, les délimiter par un contour, et ensuite classifier leur nature à l'aide d'un modèle CNN développé dans l'environnement DEEP NETWORK DESIGNER de MATLAB. Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=37713 Détection et classification automatisée des tumeurs dans les images médicales [theses et memoires] / Zakia Ouis, Auteur ; Sabiha Tamelikacht, Auteur ; Mourad Kedim, Auteur . - Tizi-Ouzou (Tizi-Ouzou) : UMMTO F.G.E.I, 2023 . - 63p : ill. ; 30 cm. Bibliogr. Langues : Français Mots-clés : Tumeurs  Imagerie médicale  Détection des contours  Intelligence artificielle  Deep Learning  Réseaux de neurones convolutifs (CNN)  Classification. Résumé : Les réseaux de neurones convolutifs (CNN) sont actuellement considérés comme les outils d'IA les plus performants pour la détection des tumeurs. Dans notre travail, nous avons exploité les capacités du logiciel MATLAB pour analyser un ensemble d'images tumorales provenant d'échographies et de mammographies. En utilisant des méthodes d'analyse des propriétés des régions d'intérêt dans les images, nous avons pu détecter les zones tumorales, les délimiter par un contour, et ensuite classifier leur nature à l'aide d'un modèle CNN développé dans l'environnement DEEP NETWORK DESIGNER de MATLAB. Diplôme : Master Permalink : ./index.php?lvl=notice_display&id=37713

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAST.ELN.114-23/1	MAST.ELN.114-23	CD	Magasin de Thèses et Mémoires / FGE	Master en Electronique	Disponible

Aucun avis, veuillez vous identifier pour ajouter le vôtre !

---

page 1/1