Titre :	Prédiction du cancer du sein en utilisant Le Deep Learning
Type de document :	theses et memoires
Auteurs :	Meriem Ouamrane ; Lamari Fatima ; Dalila Fekrache, Directeur de thèse
Editeur :	Tizi-Ouzou : U.M.M.T.O
Année de publication :	2021
Importance :	84 p.
Présentation :	ill.
Format :	24cm.
Note générale :	Bibliog
Langues :	Français
Mots-clés :	Cancer du sein  Intelligence artificielle  Apprentissage profond  Prédiction  Réseaux de croyances profondes (DBN)  Machines Boltzmann restreintes (RBM)  Régression  Semi supervisé  Deep learning  Machine learning  Sein.
Résumé :	L’avancement parallèle de la médecine et de l’informatique a pu prodiguer des techniques révolutionnaires dans la localisation et traitement de pathologies graves toutefois, le cancer du sein reste à ce jour un diagnostic difficile malgré la précision des appareils d’imagerie médicale. La solution qui se présente de plus en plus est de mettre en oeuvre une autre alternative informatique qui est l’intelligence artificielle au service de la détection de cancers. L’apprentissage profond est une technique d’analyse de grandes bases de données et de prédire un cancer du sein qui ne serait pas encore visible par l’oeil humain, Les réseaux de croyances profondes (DBN) et les Machines Boltzmann restreintes (RBM) sont considérés comme l'un des premiers réseaux d'apprentissage en profondeur. Ils ont donné des résultats très efficaces, en particulier dans le processus reconnaissance des formes, la classification et la régression. Dans ce travail nous avons élaboré une approche d’apprentissage profond sur l’utilisation de deux types des réseaux pré-entraînés : les réseaux de croyances profondes (DBN) et les Machines Boltzmann restreintes (RBM). Le modèle proposé a été évalué et testé sur la base de données « Brest-cancer-Wisconsin ». A confirmé des résultats importants sur la précision pour la classification du cancer du sein.
En ligne :	D:\CD THESES 2021\MAST ELN\OUAMRANE MERIEM; LAMARI FATIMA.PDF
Format de la ressource électronique :	PDF
Permalink :	./index.php?lvl=notice_display&id=36418

Prédiction du cancer du sein en utilisant Le Deep Learning [theses et memoires] / Meriem Ouamrane ; Lamari Fatima ; Dalila Fekrache, Directeur de thèse . - Tizi-Ouzou (Tizi-Ouzou) : U.M.M.T.O, 2021 . - 84 p. : ill. ; 24cm.
Bibliog
Langues : Français

Mots-clés :	Cancer du sein  Intelligence artificielle  Apprentissage profond  Prédiction  Réseaux de croyances profondes (DBN)  Machines Boltzmann restreintes (RBM)  Régression  Semi supervisé  Deep learning  Machine learning  Sein.
Résumé :	L’avancement parallèle de la médecine et de l’informatique a pu prodiguer des techniques révolutionnaires dans la localisation et traitement de pathologies graves toutefois, le cancer du sein reste à ce jour un diagnostic difficile malgré la précision des appareils d’imagerie médicale. La solution qui se présente de plus en plus est de mettre en oeuvre une autre alternative informatique qui est l’intelligence artificielle au service de la détection de cancers. L’apprentissage profond est une technique d’analyse de grandes bases de données et de prédire un cancer du sein qui ne serait pas encore visible par l’oeil humain, Les réseaux de croyances profondes (DBN) et les Machines Boltzmann restreintes (RBM) sont considérés comme l'un des premiers réseaux d'apprentissage en profondeur. Ils ont donné des résultats très efficaces, en particulier dans le processus reconnaissance des formes, la classification et la régression. Dans ce travail nous avons élaboré une approche d’apprentissage profond sur l’utilisation de deux types des réseaux pré-entraînés : les réseaux de croyances profondes (DBN) et les Machines Boltzmann restreintes (RBM). Le modèle proposé a été évalué et testé sur la base de données « Brest-cancer-Wisconsin ». A confirmé des résultats importants sur la précision pour la classification du cancer du sein.
En ligne :	D:\CD THESES 2021\MAST ELN\OUAMRANE MERIEM; LAMARI FATIMA.PDF
Format de la ressource électronique :	PDF
Permalink :	./index.php?lvl=notice_display&id=36418