Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/23432
Full metadata record
DC FieldValueLanguage
dc.contributor.authorMakhlouf, Nour Melissa-
dc.contributor.authorMeziani, Malika-
dc.contributor.authorAmroun, Kamal : promoteur-
dc.date.accessioned2024-05-16T14:02:43Z-
dc.date.available2024-05-16T14:02:43Z-
dc.date.issued2023-
dc.identifier.other004MAS/1229-
dc.identifier.urihttp://univ-bejaia.dz/dspace/123456789/23432-
dc.descriptionOption : Intelligence Artificielleen_US
dc.description.abstractAu cours des derni`eres années, de plus en plus de recherches ont vu le jour avec pour objectif l'emploi de l'Intelligence artificielle dans les milieux médicaux, et plus sp´ecifiquement, une volont´e des chercheurs à trouver le meilleur moyen de l'appliquer au diagnostic de maladies avec une haute pr´ecision et à temps record. Pour cela les chercheurs se sont tournés vers les méthodes de deep learning, plus précis´ement les réseaux de neurones convolutifs (CNN) pour atteindre leur objectif. Dans notre travail, nous avons voulu dresser une ´etude comparative des cinq mod`eles de CNN suivants : ResNet50, VGG16, VGG19, InceptionV3 et GoogLeNet, reconnus pour leur efficacité dans la classification d'images IRM, plus précisément pour le diagnostic de tumeurs cérébrales.en_US
dc.language.isofren_US
dc.publisherUniv.Abderrahmane Mira- Bejaiaen_US
dc.subjectTumeur cérébrale ; Intelligence artificielle ; Deep Learning ; CNN ; IRM ; Détection ; Classification ; ResNet50 ; VGG16 ; VGG19 ; InceptionV3 ; GoogLeNeten_US
dc.titleEtude comparative d'Algorithmes de Deep Learning pour le traitement d'images IRM pour la détection des tumeurs du cerveau.en_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
Memoire-Master-Malika-Melissa.pdf7.69 MBAdobe PDFView/Open


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