| Titre : | Machine learningand metaheuristic for medical data :application for pneumonia |
| Auteurs : | Amine Abdelmalk, Directeur de thèse ; Aissani Abdelaziz, Auteur ; Chouali Hamid, Auteur |
| Type de document : | texte imprimé |
| Editeur : | S.l. : Algèrie:unv saida-Dr Moulay Tahar, 2021-2022 |
| Format : | 61p. / 29cm |
| Accompagnement : | CD |
| Note générale : | Bibliographie |
| Langues: | Français |
| Catégories : | |
| Résumé : |
Au cours des dernières décennies, des progrès considérables ont été accomplis dans l'utilisation de l'analyse automatique d'images. Le domaine est passé d'un sujet d'étude modeste avec peu d'applications publiques à un sujet qui a un impact significatif sur la vie quotidienne des gens. Les approches d'apprentissage automatique ont révolutionné ce domaine ces dernières années, apportant de nouvelles réponses efficaces à de nombreux problèmes de traitement d'images jusque-là restés non résolus, le meilleur exemple en est l'analyse d'images médicales, où cette dernière joue un rôle majeur dans les diagnostics modernes. Les images médicales capturent l'anatomie et la physiologie des patients en mesurant les propriétés géométriques, biophysiques et biochimiques de leurs tissus vivants. Ces images sont obtenues à l'aide d'algorithmes exploitant des processus complexes d'imagerie médicale dont les principes doivent être bien compris ainsi que ceux régissant les structures et fonctions complexes du corps humain. L'objectif de notre travail est de réaliser une telle aide, un outil offrant une segmentation rapide, précise et efficace contre d'éventuelles dégradations affectant les images réalisées par IRM. Pour y parvenir, nous avons utilisé le deep learning (DL) en anglais, qui est un type d'intelligence artificielle dérivée du machine learning, où la machine est capable d'apprendre par elle-même. Dans ce rapport, nous avons proposé une solution hybride utilisant de nombreuses techniques : deep learning, CNN, SVM, HSGO, et pour valider notre proposition, nous avons dû réaliser des tests sur des images médicales réelles (Pneumonie). |
| Note de contenu : |
1-Medical Imaging 2-Image Segmentation 3-Deep Learning 4-Machine Learning |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| TECT01804 | T.I.MS00638 | Périodique | Ouvrages | 27 | Libre accès Disponible |
