Titre :	Détection et classification des images de tumeurs de la peau par Deep Learning.
Type de document :	theses et memoires
Auteurs :	Kamel Toumi, Auteur ; Hakim Louaid, Auteur ; Leila Lahdir, Directeur de thèse
Editeur :	Tizi-Ouzou : UMMTO F.G.E.I
Année de publication :	2024
Importance :	108 p
Présentation :	ill.
Format :	PDF
Note générale :	Bibliogr.
Langues :	Français
Mots-clés :	Mélanome  Lésions cutanées  Segmentation  Classification  CNN  U-Net  EfficientNet-B2  Images médicales  Détection précoce.
Résumé :	Les cancers de la peau représentent une des formes de cancer les plus fréquentes chez l’être humain. Le diagnostic précis des lésions cutanées, notamment du mélanome, est souvent difficile pour le médecin à l'œil nu, en raison de la complexité des caractéristiques visuelles. Il est donc nécessaire de développer des méthodes automatiques pour la détection précoce et la classification des lésions, afin d’améliorer la précision du diagnostic. La segmentation constitue une étape clé dans ces systèmes automatiques, car elle permet de délimiter la lésion comme région d’intérêt. Plusieurs méthodes traditionnelles et modernes de segmentation et de classification ont été étudiées, notamment celles basées sur les réseaux de neurones convolutifs. Dans ce travail, nous avons choisi d'utiliser les réseaux de neurones convolutifs (CNN), en combinant le modèle U-Net pour la segmentation des lésions cutanées et le réseau EfficientNet B2 pour leur classification. Ces deux modèles représentent des architectures spécifiques basées sur les CNN, ce qui leur permet de traiter efficacement les images médicales en extrayant des caractéristiques pertinentes. Les résultats obtenus sont encourageants et démontrent la capacité du système à détecter et à classifier efficacement les lésions cutanées à partir d’images cliniques.
Diplôme :	Master
Permalink :	./index.php?lvl=notice_display&id=37986

Détection et classification des images de tumeurs de la peau par Deep Learning. [theses et memoires] / Kamel Toumi, Auteur ; Hakim Louaid, Auteur ; Leila Lahdir, Directeur de thèse . - Tizi-Ouzou (Tizi-Ouzou) : UMMTO F.G.E.I, 2024 . - 108 p : ill. ; PDF.
Bibliogr.
Langues : Français

Mots-clés :	Mélanome  Lésions cutanées  Segmentation  Classification  CNN  U-Net  EfficientNet-B2  Images médicales  Détection précoce.
Résumé :	Les cancers de la peau représentent une des formes de cancer les plus fréquentes chez l’être humain. Le diagnostic précis des lésions cutanées, notamment du mélanome, est souvent difficile pour le médecin à l'œil nu, en raison de la complexité des caractéristiques visuelles. Il est donc nécessaire de développer des méthodes automatiques pour la détection précoce et la classification des lésions, afin d’améliorer la précision du diagnostic. La segmentation constitue une étape clé dans ces systèmes automatiques, car elle permet de délimiter la lésion comme région d’intérêt. Plusieurs méthodes traditionnelles et modernes de segmentation et de classification ont été étudiées, notamment celles basées sur les réseaux de neurones convolutifs. Dans ce travail, nous avons choisi d'utiliser les réseaux de neurones convolutifs (CNN), en combinant le modèle U-Net pour la segmentation des lésions cutanées et le réseau EfficientNet B2 pour leur classification. Ces deux modèles représentent des architectures spécifiques basées sur les CNN, ce qui leur permet de traiter efficacement les images médicales en extrayant des caractéristiques pertinentes. Les résultats obtenus sont encourageants et démontrent la capacité du système à détecter et à classifier efficacement les lésions cutanées à partir d’images cliniques.
Diplôme :	Master
Permalink :	./index.php?lvl=notice_display&id=37986