Approche intelligente pour la détection et la classification des images radiologiques
| dc.contributor.author | Belfetni, Assia | |
| dc.contributor.author | Salem, Ibtissem | |
| dc.contributor.author | Derdour, Mekhlouf | |
| dc.date.accessioned | 2022-11-15T03:08:51Z | |
| dc.date.available | 2022-11-15T03:08:51Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | L'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. | ar |
| dc.identifier.uri | http://hdl.handle.net/123456789/14321 | |
| dc.language.iso | fr | ar |
| dc.publisher | Université Larbi Ben M'hidi Oum El Bouaghi | ar |
| dc.subject | Apprentissage profond | ar |
| dc.subject | Apprentissage automatique | ar |
| dc.subject | Cancer du poumon | ar |
| dc.title | Approche intelligente pour la détection et la classification des images radiologiques | ar |
| dc.type | Other | ar |
Files
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: