Utilisation de l’apprentissage profond pour identifier des anomalies dans les images médicales : Application à la mammographie
| dc.contributor.author | Boudjemai, Melissa | |
| dc.date.accessioned | 2026-06-04T08:45:46Z | |
| dc.date.available | 2026-06-04T08:45:46Z | |
| dc.date.issued | 2025-10-01 | |
| dc.description | 72 p.+ (Cd-Rom) | |
| dc.description.abstract | Les avancées technologiques ont profondément transformé le diagnostic et la prise en charge des maladies. Le cancer du sein, première cause de mortalité féminine et le cancer le plus fréquent chez la femme (OMS, 2023), nécessite un dépistage précoce et fiable pour améliorer les chances de survie. La mammographie reste l’examen de référence, mais son interprétation demeure complexe et sujette à des erreurs. L’intelligence artificielle, en particulier l’apprentissage profond, offre de nouvelles perspectives grâce à l’analyse automatisée des images. Ces approches permettent d’extraire des caractéristiques pertinentes et d’assister les radiologues dans leurs décisions, améliorant ainsi précision et rapidité. Ce travail applique l’apprentissage profond à l’analyse mammographique, avec des résultats prometteurs dépassant 98 % de précision sur trois bases de données : MIAS, INBreast et DDSM. | |
| dc.identifier.citation | Instrumentation biomédicale | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/30191 | |
| dc.language.iso | fr | |
| dc.publisher | UMMTO FGEI | |
| dc.subject | Apprentissage profond | |
| dc.subject | Intelligence artificielle | |
| dc.subject | Diagnostic | |
| dc.subject | Cancer du sein | |
| dc.subject | Images médicales | |
| dc.subject | Mammographie | |
| dc.title | Utilisation de l’apprentissage profond pour identifier des anomalies dans les images médicales : Application à la mammographie | |
| dc.type | Thesis |