| Titre : | Segmentation d’images IRM avec Apprentissage Profond. |
| Auteurs : | Leila Smail, Auteur ; Brahim. Khaldi, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2020 |
| ISBN/ISSN/EAN : | SE01027T |
| Format : | 70p. / ill. en coul. / 29 cm. |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : | La classification et La segmentation des structures cérébrales est une étape fondamentale pour les analyses quantitatives des images, et cela dans de nombreuses pathologies cérébrales telles que la maladie d’Alzheimer, la détection des tumeurs cérébrales ou la sclérose en plaques. La grande variation de ces structures nécessite la mise en place de méthodes d'études spécifiques, ce travail porte sur l’utilisation des réseaux de neurones convolutifs profonds pour la classification et la segmentation des images médical qui contiens une tumeur dans le cerveau. Nous avons implémenté deux réseaux de neurone, un réseau de neurone multicouche et un réseau de neurone convolutif VGG16 pour classifier les images en trois type de tumeur ou nous entraînons une variante d’architecture pour une résultat précis afin d’évaluer leurs efficacité et aussi de comparer leurs performances, de plus nous avons implémenté une actuelles méthode de Deep Learning appliquées à la segmentation des images cérébrales, il s’agit de réseau de neurone convolutif U-Net. Afin de développer des solutions neuronales efficaces. |
Exemplaires (2)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE01027T | INF311 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
| SE01175T | INF311 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Accueil
