| Titre : | Détection et caractérisation du cancer de la prostate à partir des images IRM |
| Auteurs : | Oussama Talha, Auteur ; Ikram Maroua Sahridj, Auteur ; Debakla, Mohammed, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2023 |
| ISBN/ISSN/EAN : | SE02356T |
| Format : | 111P. / couv. ill. / 29cm. |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : |
Le travail effectué dans le cadre de ce mémoire concerne les outils d’aide au diagnostic et au traitement du cancer de la prostate. Le but était, l’élaboration d’un outil de traitement automatisé d’images médicale, dans le but d’assister le praticien dans son analyse des données d’imagerie médicale, pour le diagnostic et le traitement du cancer de la prostate. L'imagerie par résonance magnétique (IRM) joue un rôle crucial dans la détection et la caractérisation du cancer de la prostate. Cette technique d'imagerie non invasive offre une résolution élevée et fournit des informations détaillées sur la structure et la fonction de la prostate, ce qui permet une détection précoce et une évaluation précise des lésions cancéreuses. Les systèmes d'aide au diagnostic automatique sont des outils informatiques développés pour aider les médecins dans l'interprétation des images médicales, y compris les images IRM. Ces systèmes utilisent des techniques d'intelligence artificielle, telles que l'apprentissage automatique et les réseaux de neurones…, pour analyser les images et fournir des informations supplémentaires ou des suggestions de diagnostic. L'association de l'IRM avec les systèmes d'aide au diagnostic automatique présente plusieurs avantages. Tout d'abord, ces systèmes peuvent aider les radiologues à détecter des anomalies subtiles ou à interpréter des images complexes, ce qui peut améliorer la précision du diagnostic. De plus, les systèmes d'aide au diagnostic automatique peuvent accélérer le processus d'analyse des images, ce qui peut être particulièrement utile dans les situations d'urgence ou lorsque les délais sont critiques. Nous avons développé un système automatique de sélection des caractéristiques pour la classification du cancer de la prostate à partir des images IRM (fichiers CSV). Dans la phase de sélection des caractéristiques, nous avons implémenté quatre méthodes de sélections des caractéristiques à savoir la méthode Filtre corrélation, Filtre Chi-squared, Récursive Feature Elimination et la régression Lasso. Tandis que pour la phase de classification nous avons utilisé l’algorithme SVM et Random Forest pour plus de comparaison. Le système proposé a été testée sur une base de donné de type fichier CSV (Comma- Separated Values) qui contient des données tabulaires sous forme de texte brut. Nous avons utilisé l’ensemble de données de 100 patients pour mettre en oeuvre l’algorithme d’apprentissage automatique et ainsi interpréter les résultats. Cet ensemble de données a été trouvé sur la plate forme Kaggle sous le nom de 'Prostate Cancer Dataset'. Plusieurs essais ont été faite où des ajustements ont été effectués à chaque étape pour améliorer les performances du système proposé. Les résultats obtenus se sont avérés être encourageants et prometteurs.En perspective, il serait intéressant de poursuivre les testes en comparant avec d’autres méthodes de sélections des caractéristiques et de classifications. En plus de tester l’efficacité du système proposé sur d’autres bases de données importantes, point de vue nombre de patients et de caractéristiques sélectionnés. Tester aussi le système sur des bases de données différentes (différents cancers) |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE02356T | INF942 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Consultation sur place Exclu du prêt |
Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Accueil
