Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/23133
Title: Un système de détection et de prédiction du cancer pulmonaire basé sur CNN.
Authors: Benhacine, Yamina
Aloui, Soraya ; promotrice
Keywords: Tumeur pulmonaire : CNN : Deep Learning : TDM : Détection : Prédiction
Issue Date: 2023
Publisher: Université Abderramane Mira-Bejaia
Abstract: Le cancer du poumon est une naissance dans les cellules pulmonaires. La tumeur cancéreuse est un groupe de cellules cancéreuses qui peuvent envahir les tissus voisins et les détruire. La tumeur peut également se propager (métastases) à d'autres parties du corps. Certaines personnes ont plus de risques que d'autres d'avoir un cancer du poumon. De façon générale, les personnes à risque plus élevé de cancer du poumon sont celles qui fument ou ont fumé la cigarette quotidiennement pendant au moins 20 années de manière continue ou discontinue. Il existe plusieurs techniques de deep learning pour l'analyse prédictive du cancer du poumon, cela peut aider les patients à prévenir cette maladie ou à la détection précoce afin d'éviter les complications. Notre travail décrit la prédiction et la détection des tumeurs pulmonaires à l'aide des réseaux de neurones convolutifs " CNN ". La détection des tumeurs pulmonaires est notre objectif pour créer ce système afin de sauver la vie des patients. Donc, notre système se base sur trois étapes nécessaires à savoir : Prétraitement d'images, extraction de caractéristiques avec le modèle CNN. Et enfin, Les couches entièrement connectés de CNN pour classifier l'image TDM en cancéreux ou non-cancéreux. La technique CNN a fourni une précision de 57% et peut être utile pour aider les professionnels de la santé dans le traitement.
Description: Option : Intelligence Artificielle
URI: http://univ-bejaia.dz/dspace/123456789/23133
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
Benhacine Yamina M2-IA.pdf13.19 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.