Détection et classification automatisée des tumeurs dans les images médicales

dc.contributor.authorOuis Zakia
dc.contributor.authorTamelikacht Sabiha
dc.date.accessioned2025-04-29T10:30:08Z
dc.date.available2025-04-29T10:30:08Z
dc.date.issued2023-09-30
dc.description63p .; ill .; 30cm . (CD-ROM)
dc.description.abstractLes 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.
dc.identifier.otherMAST.ELN.114-23
dc.identifier.urihttps://dspace.ummto.dz/handle/ummto/27469
dc.language.isofr
dc.publisherFGEI.UMMTO
dc.subjectTumeurs
dc.subjectImagerie médicale
dc.subjectDétection des contours
dc.subjectIntelligence artificielle
dc.subjectDeep Learning
dc.subjectRéseaux de neurones convolutifs (CNN)
dc.subjectClassification
dc.titleDétection et classification automatisée des tumeurs dans les images médicales
dc.typeThesis

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Ouis Zakia; Tamelikecht Sabiha.pdf
Size:
13.62 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: