Browsing by Author "Chebbout Samira"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Conception et implémentation d’un système d’aide au diagnostic du cancer de la peau : application à la classification du mélanome
    (Université de Larbi Ben M’hidi-Oum Oum El Bouaghi, 2021) Zerrag Mourad; Djenba Fadhila; Chebbout Samira
    Ce travail rentre dans le contexte de la conception et la réalisation d'un système d'aide au diagnostic du mélanome, l'un des cancers de la peau les plus mortel dans le monde. Notre contribution porte sur la mise en oeuvre d'un modèle de classification des images de rmoscopiques du mélanome qui différencie un mélanome bénin d'un autre malin. Notre modèle se base sur la combinaison d'un modèle basé uniquement sur les données en utilisant le réseau CNN pré-entrainé resnext50-32x4d comme un extracteur de caractéristiques et d'un modèle basé sur les méta-données en utilisant un réseau tabuleur. Le mixage des données etméta-données est réalisé à travers un module Mixed DL. En plus, le modèle est constitué d'une couche aplati, de 2 couches FC et d'une couche de sortie constituée de 2 neurones. Le modèle proposé a été entrainé sur la base d'images ISIC2020 pendant 2 époques. Nous avons obtenu un taux de reconnaissance de 82% et une valeur AUC estimée à 0.72% .
  • No Thumbnail Available
    Item
    Etude et experimentation des réseaux resnet- 50 et inception- v3 dans laclassification de cancer dela peau
    (Université de Larbi Ben M’hidi-Oum Oum El Bouaghi, 2021) Ghediri Nadjette; Sakri Zelikha; Chebbout Samira
    Ce travail consiste en la réalisation d'un système d'aide au diagnostic du cancer de la peau et du mélanome, l'un des cancers de la peau les plus mortels dans le monde. A travers ce travail, nous avons implémenté et expérimenté deux modèles de classification des images dermoscopiques sur la base de données ISIC-2020. Le modèle basé sur le réseau pré-entrainé ResNet-50 a été entrainé sur la base d'images ISIC-2020 afin de distinguer 9 classes de cancer de peau. Nous avons obtenu un taux de reconnaissance de 65%. Le modèle basé sur le réseau pré-entrainé Inception-v3 a été entrainé sur la base d'images ISIC-2020 afin de distinguer 2 classes de cancer de la peau, le mélanome malin/bénin. Nous avons obtenu un taux de reconnaissance de 99%.