Browsing by Author "Derdour, Mekhlouf"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Approche intelligente pour la détection et la classification des images radiologiques(Université Larbi Ben M'hidi Oum El Bouaghi, 2022) Belfetni, Assia; Salem, Ibtissem; Derdour, MekhloufL'analyse des images radiologiques est principalement effectuée par des spécialistes médicaux, car il s'agit d'un secteur critique et les malades attendent le plus haut niveau de soins et de services, quel que soit le coût. Malgré divers avantages de la radiographie pulmonaire, l'interprétation de l'image X-Ray a toujours été un enjeu majeur pour le médecin et le radiologue à cause des erreurs de diagnostic. Ainsi, Le cancer du poumon est la principale cause de décès par cancer dans le monde, avec environ 1,8 million de décès en 2020, selon l'Organisation mondiale de la santé. Le diagnostic tardif et le manque des moyens de dépistage sont les principaux problèmes. L'algorithme peut aider les radiologues à estimer avec précision le risque de malignité des nodules pulmonaires. Notre objectif principal est d'analyser les images radiologiques médicales en utilisant l'apprentissage profond, pour parvenir à la classification et la détection des maladies de cancer de poumon, et donc de développer un modèle ; le plus performant possible ; qui peut les distinguer. Pour cela, nous avons utilisé l'algorithme des réseaux neuronaux convolutifs (CNN) car les approches de classification par apprentissage profond basées sur les CNN ont la capacité d'extraire automatiquement les représentations de haut niveau à partir de données volumineuses en utilisant peu de prétraitement par rapport aux autres algorithmes de classification et détection d'images. Notre modèle fournit des résultats très encourageant par rapport à ceux obtenus par les travaux de la littérature. Ce qui conduira les cliniciens vers de meilleures décisions de diagnostic pour les patients afin de leur fournir des solutions avec une bonne précision pour l'imagerie médicale.Item Une Architecture basée blockchain pour la sécurité des réseaux 6 G(Université de Larbi Ben M'hidi- Oum El Bouaghi, 2022) Mazouz, Khaoula; Othmani, Halima; Derdour, MekhloufDans la 6G, étant donné que les capacités de calcul et de stockage des appareils intelligents seront considérablement améliorées, la technologie prend de l'ampleur sur le marché, ce qui fait qu'il a été prédit qu'il y aura environ 75,44 milliards d'appareils connectés dans le monde d'ici 2025. La mise en cache du contenu avec les utilisateurs finaux peut mieux tirer parti des ressources distribuées et rapprocher sur des MEC pour réduire la latence de transmission et améliorer la qualité de service. Donc la prochaine génération de réseaux mobiles devrait être des systèmes innés, virtualisés et cloudifiés, pour offrir des énormes avantages dans le but d'interconnecter de manière transparente un nombre impressionnant d'appareils hétérogènes, y compris des appareils IoT/IoE massifs qui interagissent et transfèrent des données en temps réel. Le but des futurs systèmes est de répondre aux attentes : la croissance explosive du trafic de données à des débits de données ultra-élevés avec une latence ultra-faible, munie d'une stratégie de sécurité consistante d'où l'intégration de la blockchain constitue une solution idéale pour réaliser des écosystèmes sécurisés en assurant la confidentialité et la non répudiation pour créer une gamme incroyable de nouveaux services de réseau verticaux, et pour soutenir le développement d'un tout nouvel ensemble de véritables applications chronophages et gourmandes en données et en calculs. Les travaux de cette thèse visent à proposer une architecture basée blockchain et Fog-Computing pour le renforcement de la sécurité dans les réseaux 6G. Pour ce faire, nous proposons un nouveau système 6G efficace basé sur la Blockchain en convergence avec le Mobile Edge Computing, afin de créer un Vehicular Edge Computing permettant de répondre aux différents besoins : ressources (calcul, stockage), info-divertissement, pass-autoroute, et autres.