| Titre : | Segmentation de l’image du fond d’œil pour l’identification de la maladie intraoculaire de l’œil via un outil de l’intelligence artificielle |
| Auteurs : | Meriem Amel Bendjebbour, Auteur ; Amina Benyahia, Auteur ; Mustapha Sahraoui, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2023 |
| ISBN/ISSN/EAN : | SE02360T |
| Format : | 105p. / couv.ill. / 29cm |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : |
Grâce aux Deep Learning, l’avenir de l’intelligence artificielle est prometteur. L’analyse d'images et la vision par ordinateur jouent un rôle important dans de nombreux domaines tels que le domaine médical. L’ophtalmologie est la branche de la médecine qui permet d’étudier l’anatomie et la physiologie des yeux et de ses annexes et qui traite les problèmes oculaires. Parmi les examens prescrits par les ophtalmologues, nous trouvons l’examen du fond d’œil. Il permet d’examiner la rétine et ses composantes principales qui sont : le réseau vasculaire, la tête du nerf optique et la macula. En effet, il peut mettre en évidence des anomalies qui peuvent toucher ces éléments rétiniens tels que l’hypertonie oculaire qui cause à son rôle le glaucome et des inflammations. La détection de cette pathologie à un stade précoce est très importante. Pour cette raison, nous avons essayé d’élaborer dans notre étude un système neuro-flou d’aide au diagnostic médical orienté vers la classification des images du fond d’œil pour la détection de l’hypertonie oculaire en utilisant les techniques avancées de l’apprentissage profond (ou Deep Learning) et les réseaux de neurones convolutionnels. Nous avons implémenté une architecture UNet qui prend des images prétraitées du fond d’œil comme entrée afin de pouvoir faire une extraction automatique des caractéristiques et on aura de ce fait en sortie, une classification de deux classes (personne malade ou personne normale). Nous avons également hybridé ce modèle de réseau de neurones avec la logique floue pour améliorer précision de la classification en produisant une sortie basée de classification des trois stades plus précise. Pour avoir la meilleure architecture adéquate à notre problématique, nous avons mené une série de tests et de changements dans le coté paramétrage de plusieurs facteurs entrant en jeu durant la conception des CNN. Cette architecture présente quelques inconvénients en raison qu’elle est complexe et exige beaucoup de calculs. Conclusion générale et perspectives 105 Le système développé dans notre projet a été évalué par plusieurs critères. Les résultats obtenus sont encourageants et satisfaisants par rapport aux approches proposées dans la littérature, donc nous pouvons conclure que notre système présente une valeur dans la pratique d’ophtalmologie parce qu’il permet de réduire le temps de diagnostic et aide les ophtalmologistes dans leurs prise de décision. Perspectives Nous pouvons citer quelques perspectives qui peuvent être soumises dans la suite de ce travail de mémoire : Nous proposons la possibilité d’utiliser un autre langage de programmation dans le domaine d’analyse des images du fond d’œil. Utilisation d’une autre technique de classification du CNN, et des autres algorithmes. Exploiter des données d’entrainement plus grandes, afin d’aboutir à un meilleur modèle en terme de qualité de prédiction offrant une segmentation plus robuste et plus efficace. Régler les paramètres un à un (nombre de convolution/ pooling…), choix de la fonction d’activation, réglage du dropout. Refaire les expériences sur un ordinateur doté d’un processeur plus puissant et dotée de GPU afin de réduire considérablement le temps de traitement nécessaire pour entraîner le modèle. Et enfin nous ciblons à réduire le temps d’entrainement puisque dans le Deep Learning cette tâche est très coûteuse qui peut prendre des heures lorsque le volume des données augmente, pour cela il serait intéressant d’utiliser la virtualisation ou bien les clusters de calcul. |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE02360T | INF946 | 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
