Titre : |
Multimodal Brain Tumor MRI Image Classification, Detection and Generation. |
Type de document : |
texte imprimé |
Auteurs : |
Rania Nihal Zedadka, Auteur ; Rihab Kaci ; Abdelouahab Moussaoui, Directeur de thèse |
Editeur : |
Sétif:UFS |
Année de publication : |
2023 |
Importance : |
1 vol (119 f.) |
Format : |
29 cm |
Langues : |
Anglais (eng) |
Catégories : |
Thèses & Mémoires:Informatique
|
Mots-clés : |
Apprentissage par transfert
Transformateurs de vision
Imagerie médicale
Apprentissage en profondeur
Génération d’images
Classification d’images
Détection d’objets. |
Index. décimale : |
004 - Informatique |
Résumé : |
Le cerveau humain, un organe incroyablement complexe, est sensible à diverses
maladies qui peuvent avoir un impact significatif sur la santé d’une personne et
donc sur sa qualité de vie. Parmi ces affections, les tumeurs cérébrales qui seront
abordées dans cette thèse avec leurs différents types. Les tumeurs cérébrales sont des
croissances anormales de cellules dans le cerveau, et elles peuvent provenir de différents
types de tissus cérébraux ou se propager à partir d’autres parties du corps. Certaines
sont malignes tandis que d’autres sont bénignes. Comme les types de tumeurs cérébrales
varient, nous proposons des architectures de réseaux de neurones convolutifs profonds et
des transformateurs de vision pour classer les types de tumeurs (gliome, méningiome,
hypophyse en plus des cas cérébraux sains) il y a plus de types mais nous sommes
allés avec les types les plus dominants. De plus, des approches YoLo ont été proposées
pour la détection d’objets afin d’identifier les zones tumorales du cerveau. Cela serait
très utile pour faciliter le diagnostic.La génération d’images IRM cérébrales est une
excellente solution. Dans cette thèse, nous avons essayé d’utiliser différentes méthodes
de génération pour voir celles qui fonctionnent le mieux.
Ces technologies pourraient aider à résoudre le problème des petits ensembles de données, de la vitesse améliorer la classification et le traitement des maladies traitables et
détecter les zones exactes des tumeurs permettant un traitement précoce =
The human brain, an incredibly intricate organ, is susceptible to various diseases
that can significantly impact a person’s health and thus his life quality. Among
these conditions, brain tumors that will be addressed in this thesis with their
various types. Brain tumors are abnormal growths of cells within the brain, and they can
arise from different types of brain tissue or spread from other parts of the body, Some
are malignant while others are benign. As the brain tumors types vary we propose deep
convolutional neural networks architectures and vision transformers to classify tumor
types (glioma, meningioma, pituitary in addition to sane brain cases) there are more
types but we went with The most dominant types. In addition, YoLo approaches were
proposed for object detection to identify the tumorous ares of the brain. This would be
very useful for facilitating the diagnosis.Generating brain MRI images is a great solution,
in this thesis we tried using various generating methods to see the ones that work best.
These technologies might help solve the problem of small datasets, speed up the classification and treatment of treatable illnesses and detect the exact areas of tumours
allowing for early treatment.
|
Côte titre : |
MAI/0808
|
En ligne : |
https://drive.google.com/file/d/18xtC4ZMSQA204YW67YXQZTJRaHdH-Bv2/view?usp=drive [...] |
Format de la ressource électronique : |
pdf |
Multimodal Brain Tumor MRI Image Classification, Detection and Generation. [texte imprimé] / Rania Nihal Zedadka, Auteur ; Rihab Kaci ; Abdelouahab Moussaoui, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (119 f.) ; 29 cm. Langues : Anglais ( eng)
Catégories : |
Thèses & Mémoires:Informatique
|
Mots-clés : |
Apprentissage par transfert
Transformateurs de vision
Imagerie médicale
Apprentissage en profondeur
Génération d’images
Classification d’images
Détection d’objets. |
Index. décimale : |
004 - Informatique |
Résumé : |
Le cerveau humain, un organe incroyablement complexe, est sensible à diverses
maladies qui peuvent avoir un impact significatif sur la santé d’une personne et
donc sur sa qualité de vie. Parmi ces affections, les tumeurs cérébrales qui seront
abordées dans cette thèse avec leurs différents types. Les tumeurs cérébrales sont des
croissances anormales de cellules dans le cerveau, et elles peuvent provenir de différents
types de tissus cérébraux ou se propager à partir d’autres parties du corps. Certaines
sont malignes tandis que d’autres sont bénignes. Comme les types de tumeurs cérébrales
varient, nous proposons des architectures de réseaux de neurones convolutifs profonds et
des transformateurs de vision pour classer les types de tumeurs (gliome, méningiome,
hypophyse en plus des cas cérébraux sains) il y a plus de types mais nous sommes
allés avec les types les plus dominants. De plus, des approches YoLo ont été proposées
pour la détection d’objets afin d’identifier les zones tumorales du cerveau. Cela serait
très utile pour faciliter le diagnostic.La génération d’images IRM cérébrales est une
excellente solution. Dans cette thèse, nous avons essayé d’utiliser différentes méthodes
de génération pour voir celles qui fonctionnent le mieux.
Ces technologies pourraient aider à résoudre le problème des petits ensembles de données, de la vitesse améliorer la classification et le traitement des maladies traitables et
détecter les zones exactes des tumeurs permettant un traitement précoce =
The human brain, an incredibly intricate organ, is susceptible to various diseases
that can significantly impact a person’s health and thus his life quality. Among
these conditions, brain tumors that will be addressed in this thesis with their
various types. Brain tumors are abnormal growths of cells within the brain, and they can
arise from different types of brain tissue or spread from other parts of the body, Some
are malignant while others are benign. As the brain tumors types vary we propose deep
convolutional neural networks architectures and vision transformers to classify tumor
types (glioma, meningioma, pituitary in addition to sane brain cases) there are more
types but we went with The most dominant types. In addition, YoLo approaches were
proposed for object detection to identify the tumorous ares of the brain. This would be
very useful for facilitating the diagnosis.Generating brain MRI images is a great solution,
in this thesis we tried using various generating methods to see the ones that work best.
These technologies might help solve the problem of small datasets, speed up the classification and treatment of treatable illnesses and detect the exact areas of tumours
allowing for early treatment.
|
Côte titre : |
MAI/0808
|
En ligne : |
https://drive.google.com/file/d/18xtC4ZMSQA204YW67YXQZTJRaHdH-Bv2/view?usp=drive [...] |
Format de la ressource électronique : |
pdf |
|