DSpace Repository

Apprentissage profond pour la détection des tumeurs cérébrales.

Show simple item record

dc.contributor.author Chikh Amer, Chiraz
dc.contributor.author Djelouah, Manal
dc.contributor.author Younsi, Zineb ; promotrice
dc.date.accessioned 2024-12-08T12:13:16Z
dc.date.available 2024-12-08T12:13:16Z
dc.date.issued 2024
dc.identifier.other 004MAS/1332
dc.identifier.uri http://univ-bejaia.dz/dspace/123456789/24875
dc.description Option :inteligence artificielle en_US
dc.description.abstract ce mémoire explore une approche basé sur l'apprentissage profond pour la détection des tumeurs cérébrales à partir d'images IRM. Principalement, nous proposons deux contributions : un modèle de détection de tumeurs basé sur un CNN et un modèle de segmentation de tumeurs utilisant l'architecture U-Net avec apprentissage par transfert. Pour la détection de tumeurs, notre CNN a atteint une précision de 99,5 %, une perte de 2,7 % et un score F1 de 99,09 %. Pour la segmentation de tumeurs, notre modèle U-Net a atteint une précision de 97,13 %, et une perte de 1,8 %. Nos résultats démontrent l'efficacité de notre approche pour détecter avec précision la présence de tumeurs cérébrales et délimiter de manière fiable leurs contours. en_US
dc.language.iso fr en_US
dc.publisher Université Abderramane Mira-Bejaia en_US
dc.subject Tumeurs cérébrales : IRM : Apprentissage par transfert : Segmentation d'images en_US
dc.title Apprentissage profond pour la détection des tumeurs cérébrales. en_US
dc.type Thesis en_US


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account