Développement d’un modèle d’apprentissage semi-supervisé pour la classification des images médicales : application au diagnostic de la pneumonie
| dc.contributor.author | Tehari, Lina | |
| dc.contributor.author | Merrad, Massinissa | |
| dc.date.accessioned | 2026-06-03T10:07:32Z | |
| dc.date.available | 2026-06-03T10:07:32Z | |
| dc.date.issued | 2025-10-01 | |
| dc.description | 83 p. : ill. ; 30 cm. (CD-Rom) | |
| dc.description.abstract | Ce mémoire explore l’utilisation de l’intelligence artificielle, notamment l’apprentissage semi- supervisé, pour analyser automatiquement des images médicales thoraciques. L’objectif est d’aider les professionnels de santé à détecter certaines pathologies plus rapidement et avec moins d’annotations manuelles. Après avoir présenté les bases de l’imagerie médicale, les techniques de traitement d’image et les principes de l’IA, un modèle a été proposé, testé et évalué. Les résultats obtenus sont encourageants. Ils montrent que l’IA, bien intégrée, peut véritablement alléger la charge des professionnels de santé, sans les remplacer, mais en les épaulant dans leurs prises de décision. Bien sûr, des défis restent à relever, comme la qualité des données ou la transparence des modèles, mais les perspectives sont nombreuses et prometteuses. Ce modeste travail ouvre ainsi la voie à des outils intelligents au service des soins et de la qualité de prise en charge des patients. | |
| dc.identifier.citation | Instrumentation biomédicale | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/30175 | |
| dc.language.iso | fr | |
| dc.publisher | UMMTO FGEI | |
| dc.subject | Imagerie médicale | |
| dc.subject | Intelligence artificielle | |
| dc.subject | Apprentissage profond | |
| dc.subject | Imagerie thoracique | |
| dc.subject | Pneumonie | |
| dc.title | Développement d’un modèle d’apprentissage semi-supervisé pour la classification des images médicales : application au diagnostic de la pneumonie | |
| dc.type | Thesis |