Détection et classification automatisée des tumeurs dans les images médicales
dc.contributor.author | Ouis Zakia | |
dc.contributor.author | Tamelikacht Sabiha | |
dc.date.accessioned | 2025-04-29T10:30:08Z | |
dc.date.available | 2025-04-29T10:30:08Z | |
dc.date.issued | 2023-09-30 | |
dc.description | 63p .; ill .; 30cm . (CD-ROM) | |
dc.description.abstract | 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. | |
dc.identifier.other | MAST.ELN.114-23 | |
dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/27469 | |
dc.language.iso | fr | |
dc.publisher | FGEI.UMMTO | |
dc.subject | Tumeurs | |
dc.subject | Imagerie médicale | |
dc.subject | Détection des contours | |
dc.subject | Intelligence artificielle | |
dc.subject | Deep Learning | |
dc.subject | Réseaux de neurones convolutifs (CNN) | |
dc.subject | Classification | |
dc.title | Détection et classification automatisée des tumeurs dans les images médicales | |
dc.type | Thesis |