Classification des images médicales cérébrales (affectée, non affectée) en utilisant les réseaux de neurones profonds
| dc.contributor.author | Boulkhir Saida | |
| dc.contributor.author | Ait Mohammed Kahina | |
| dc.date.accessioned | 2025-04-13T13:03:59Z | |
| dc.date.available | 2025-04-13T13:03:59Z | |
| dc.date.issued | 2023-06-30 | |
| dc.description | 79p .; ill .; 30cm . (CD-ROM) | |
| dc.description.abstract | Dans le cadre de ce mémoire, nous nous sommes intéressés à la classification automatique des images médicales cérébrales, en distinguant celles présentant des pathologies des images saines. Pour relever ce défi, nous avons mis en œuvre une approche basée sur l'utilisation de réseaux de neurones convolutifs (CNN), une architecture de réseaux de neurones profonds particulièrement performante pour les tâches de reconnaissance d'images. Notre travail a consisté à concevoir et entraîner un modèle de réseau de neurones convolutif capable de prendre en entrée des images IRM cérébrales et de les classifier avec précision entre cas pathologiques (présence de tumeurs) et cas sains. À l'issue de nos expérimentations, nous avons obtenu des résultats très satisfaisants, atteignant un taux de classification de 95% | |
| dc.identifier.citation | Instrumentation Biomédicale | |
| dc.identifier.other | MAST.ELN.60-23 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/27211 | |
| dc.language.iso | fr | |
| dc.publisher | FGEI.UMMTO | |
| dc.subject | CNN | |
| dc.subject | IRM | |
| dc.subject | VGG.16 | |
| dc.subject | Apprentissage profond | |
| dc.subject | Classification | |
| dc.subject | Tumeur cérébrale | |
| dc.subject | Détection | |
| dc.title | Classification des images médicales cérébrales (affectée, non affectée) en utilisant les réseaux de neurones profonds | |
| dc.type | Thesis |