Etude comparative d'Algorithmes de Deep Learning pour le traitement d'images IRM pour la détection des tumeurs du cerveau.

Makhlouf, Nour Melissa; Meziani, Malika; Amroun, Kamal : promoteur

dc.contributor.author	Makhlouf, Nour Melissa
dc.contributor.author	Meziani, Malika
dc.contributor.author	Amroun, Kamal : promoteur
dc.date.accessioned	2024-05-16T14:02:43Z
dc.date.available	2024-05-16T14:02:43Z
dc.date.issued	2023
dc.identifier.other	004MAS/1229
dc.identifier.uri	http://univ-bejaia.dz/dspace/123456789/23432
dc.description	Option : Intelligence Artificielle	en_US
dc.description.abstract	Au 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.iso	fr	en_US
dc.publisher	Univ.Abderrahmane Mira- Bejaia	en_US
dc.subject	Tumeur cérébrale ; Intelligence artificielle ; Deep Learning ; CNN ; IRM ; Détection ; Classification ; ResNet50 ; VGG16 ; VGG19 ; InceptionV3 ; GoogLeNet	en_US
dc.title	Etude comparative d'Algorithmes de Deep Learning pour le traitement d'images IRM pour la détection des tumeurs du cerveau.	en_US
dc.type	Thesis	en_US