University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Seif eddine Chouaba |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Apprentissage profond appliqué au diagnostic précoce de la maladie d’Alzheimer / Aziza Bensadallah
Titre : Apprentissage profond appliqué au diagnostic précoce de la maladie d’Alzheimer Type de document : texte imprimé Auteurs : Aziza Bensadallah, Auteur ; Amina Mansar, Auteur ; Seif eddine Chouaba, Directeur de thèse Année de publication : 2023 Importance : 1 vol (53 f.) Format : 29 cm Langues : Français (fre) Catégories : Physique Mots-clés : Apprentissage Profond
Maladie d’AlzheimerIndex. décimale : 530-Physique Résumé :
L’intelligence artificielle connait un boom depuis les années 2000 de par le stockage
systématique des données et l’augmentation de la puissance de calcul des ordinateurs ainsi
que l’apparition des méthodes dites de deep learning. Cela a permis d’envisager des
recherches et applications dans de nombreux domaines, et en particulier le domaine médical.
La maladie d'Alzheimer est une maladie neurodégénérative progressive qui affecte la
mémoire, la cognition et les fonctions motrices. Le diagnostic précoce est essentiel pour
permettre une prise en charge efficace de la maladie. Ce travail de master montre qu’il est
possible d’utiliser des modèles type CNN pour classer automatiquement la maladie
d'Alzheimer en quatre stages (légèrement démentes, modérément démentes, non démentes, et
très légèrement démentes) à partir des images IRM. Le modèle proposé a été évalué et testé
sur une base de données constituée de 6400 images d'IRM. Les résultats obtenus sont
encourageants et prometteurs.Côte titre : MAPH/0601 En ligne : https://drive.google.com/file/d/16Hnb8zIu2dX5yoLLx7B4aEE7rxWlTC_u/view?usp=shari [...] Format de la ressource électronique : Apprentissage profond appliqué au diagnostic précoce de la maladie d’Alzheimer [texte imprimé] / Aziza Bensadallah, Auteur ; Amina Mansar, Auteur ; Seif eddine Chouaba, Directeur de thèse . - 2023 . - 1 vol (53 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Physique Mots-clés : Apprentissage Profond
Maladie d’AlzheimerIndex. décimale : 530-Physique Résumé :
L’intelligence artificielle connait un boom depuis les années 2000 de par le stockage
systématique des données et l’augmentation de la puissance de calcul des ordinateurs ainsi
que l’apparition des méthodes dites de deep learning. Cela a permis d’envisager des
recherches et applications dans de nombreux domaines, et en particulier le domaine médical.
La maladie d'Alzheimer est une maladie neurodégénérative progressive qui affecte la
mémoire, la cognition et les fonctions motrices. Le diagnostic précoce est essentiel pour
permettre une prise en charge efficace de la maladie. Ce travail de master montre qu’il est
possible d’utiliser des modèles type CNN pour classer automatiquement la maladie
d'Alzheimer en quatre stages (légèrement démentes, modérément démentes, non démentes, et
très légèrement démentes) à partir des images IRM. Le modèle proposé a été évalué et testé
sur une base de données constituée de 6400 images d'IRM. Les résultats obtenus sont
encourageants et prometteurs.Côte titre : MAPH/0601 En ligne : https://drive.google.com/file/d/16Hnb8zIu2dX5yoLLx7B4aEE7rxWlTC_u/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0601 MAPH/0601 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Étude de quelques méthodes de filtrage Application à l’imagerie médicale Type de document : texte imprimé Auteurs : Habi,Abir, Auteur ; Seif eddine Chouaba, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (66 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Mots-clés : Finalement
une conclusion générale
clôturera ce rapportIndex. décimale : 530 Physique Résumé : nous présentons des généralités sur l’imagerie médical
dans un premier temps, nous allons présenter les
algorithmes classiquement utilisés en filtrage d’images, puis une classe spécifique de
méthodes sera décrite : celles basées sur les ondelettes ;
 Le troisième chapitre est réservé à l’application de quelques algorithmes de filtrages
pour la réduction du bruit dans l’imagerie médicale, ainsi que leurs évaluations.Note de contenu :
Sommaire
Liste des figures ........................................................................................................................ VI
Liste des tableaux ................................................................................................................... VII
Abréviations ............................................................................................................................. IX
Introduction générale ................................................................................................................ 10
Chapitre I : Généralités ............................................................................................................. 11
I. Définition de l’image ............................................................................................................ 13
I.1. Image numérique et image analogique : .................................................................... 13
I.2. Domaine spatial et domaine fréquentiel : .................................................................. 14
I.3. Différents types d'images ........................................................................................... 14
I.3.1. Images de niveaux de gris ou monochrome ...................................................... 14
I.3.2. Images binaires ou noir et blanc ......................................................................... 14
I.3.3. Images en couleur ............................................................................................... 15
I.4. Images 3D ................................................................................................................. 15
I.5. L’image médicale ..................................................................................................... 15
II. Les différentes techniques d’imagerie médicale ........................................................... 16
III. Formats d’images numériques : ..................................................................................... 21
III.1. Le standard DICOM : ................................................................................................ 21
IV. Traitements d’image ......................................................................................................... 23
V. Le bruit ............................................................................................................................ 23
V.1. Le rapport signal sur bruit RSB ................................................................................ 24
V.2. Les différents types de bruit dans l’imagerie médicale ............................................... 24
Conclusion ............................................................................................................................... 24
Chapitre II: Méthodes de filtrage d’imagerie étudiées ............................................................. 25
II.1 Filtrage spatial linéaire ....................................................................................................... 26
II.1.1 Filtrage par la moyenne (filtre moyenneur) ................................................................ 29
II.1.1.a. Les inconvénients : .............................................................................................. 31
II.1.1.b. Avantages : .......................................................................................................... 31
II.1.2 Filtrage par Gauss (filtre gaussien) ............................................................................. 31
II.1.2.a. Inconvénients : ..................................................................................................... 33
II.1.2.b. Avantages : .......................................................................................................... 33
V
II.2 Filtrage spatial non linéaire ................................................................................................ 34
II.2.1 Filtrage médian : ......................................................................................................... 35
II.2.1. a. Inconvénients : .................................................................................................... 35
II.2.1. b. Avantages du filtre médian : ............................................................................... 36
II.3 Filtrage dans le domaine fréquentiel .................................................................................. 36
II.3.1. Représentation fréquentielle d’une image .............................................................. 36
II.3.2. Filtrage spectrale .................................................................................................... 37
II.3.3. Transformée de Fourier discrète : .......................................................................... 38
II.3.4. Principe de filtrage dans le domaine fréquentiel : ...................................................... 39
II.3.5. Types de filtre fréquentiel .......................................................................................... 39
II.3.5.a Filtrage passe-bas ............................................................................................... 40
II.3.5.b Filtre Passe-haut ................................................................................................. 42
II.3.5.c Filtrage coupe-bande........................................................................................... 42
II.4. Débruitage par l’ondelette ................................................................................................ 43
II.4.1 La transformation en ondelettes .................................................................................. 44
II.4.1.1 Transformée en ondelettes continue (CWT) ........................................................ 45
II.4.1.2 Transformée en ondelettes discrète (DWT) ......................................................... 46
II.4.2 Réduction de bruit en utilisant la transformée en ondelettes ...................................... 47
II.4.3 Différents types de seuillage ....................................................................................... 47
II.4.3.1 Seuillage dur ou "hard thresholding" .................................................................... 47
II.4.3.2 Seuillage doux ou "soft thresholding" .................................................................. 48
Conclusion ............................................................................................................................... 48
Chapitre III: Application et discussion ..................................................................................... 49
III.1 Résultats obtenus et discussion : ...................................................................................... 50
III.1.1 L’effet des filtres sur le bruit additif Gaussien : ........................................................ 51
III.1.2 L’effet des filtres sur le bruit impulsionnel « poivre et sel » : ................................... 55
III.1.3 L’effet des filtres sur le bruit multiplicatif « Speckle » : ........................................... 59
Conclusion ................................................................................................................................ 63
Conclusion générale ................................................................................................................. 64
Bibliographie ............................................................................................................................ 65Côte titre : MAPH/0284 En ligne : https://drive.google.com/file/d/1dJqLGg6XtsniJM5OdTZPpxezU9gb8J31/view?usp=shari [...] Format de la ressource électronique : Étude de quelques méthodes de filtrage Application à l’imagerie médicale [texte imprimé] / Habi,Abir, Auteur ; Seif eddine Chouaba, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (66 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Mots-clés : Finalement
une conclusion générale
clôturera ce rapportIndex. décimale : 530 Physique Résumé : nous présentons des généralités sur l’imagerie médical
dans un premier temps, nous allons présenter les
algorithmes classiquement utilisés en filtrage d’images, puis une classe spécifique de
méthodes sera décrite : celles basées sur les ondelettes ;
 Le troisième chapitre est réservé à l’application de quelques algorithmes de filtrages
pour la réduction du bruit dans l’imagerie médicale, ainsi que leurs évaluations.Note de contenu :
Sommaire
Liste des figures ........................................................................................................................ VI
Liste des tableaux ................................................................................................................... VII
Abréviations ............................................................................................................................. IX
Introduction générale ................................................................................................................ 10
Chapitre I : Généralités ............................................................................................................. 11
I. Définition de l’image ............................................................................................................ 13
I.1. Image numérique et image analogique : .................................................................... 13
I.2. Domaine spatial et domaine fréquentiel : .................................................................. 14
I.3. Différents types d'images ........................................................................................... 14
I.3.1. Images de niveaux de gris ou monochrome ...................................................... 14
I.3.2. Images binaires ou noir et blanc ......................................................................... 14
I.3.3. Images en couleur ............................................................................................... 15
I.4. Images 3D ................................................................................................................. 15
I.5. L’image médicale ..................................................................................................... 15
II. Les différentes techniques d’imagerie médicale ........................................................... 16
III. Formats d’images numériques : ..................................................................................... 21
III.1. Le standard DICOM : ................................................................................................ 21
IV. Traitements d’image ......................................................................................................... 23
V. Le bruit ............................................................................................................................ 23
V.1. Le rapport signal sur bruit RSB ................................................................................ 24
V.2. Les différents types de bruit dans l’imagerie médicale ............................................... 24
Conclusion ............................................................................................................................... 24
Chapitre II: Méthodes de filtrage d’imagerie étudiées ............................................................. 25
II.1 Filtrage spatial linéaire ....................................................................................................... 26
II.1.1 Filtrage par la moyenne (filtre moyenneur) ................................................................ 29
II.1.1.a. Les inconvénients : .............................................................................................. 31
II.1.1.b. Avantages : .......................................................................................................... 31
II.1.2 Filtrage par Gauss (filtre gaussien) ............................................................................. 31
II.1.2.a. Inconvénients : ..................................................................................................... 33
II.1.2.b. Avantages : .......................................................................................................... 33
V
II.2 Filtrage spatial non linéaire ................................................................................................ 34
II.2.1 Filtrage médian : ......................................................................................................... 35
II.2.1. a. Inconvénients : .................................................................................................... 35
II.2.1. b. Avantages du filtre médian : ............................................................................... 36
II.3 Filtrage dans le domaine fréquentiel .................................................................................. 36
II.3.1. Représentation fréquentielle d’une image .............................................................. 36
II.3.2. Filtrage spectrale .................................................................................................... 37
II.3.3. Transformée de Fourier discrète : .......................................................................... 38
II.3.4. Principe de filtrage dans le domaine fréquentiel : ...................................................... 39
II.3.5. Types de filtre fréquentiel .......................................................................................... 39
II.3.5.a Filtrage passe-bas ............................................................................................... 40
II.3.5.b Filtre Passe-haut ................................................................................................. 42
II.3.5.c Filtrage coupe-bande........................................................................................... 42
II.4. Débruitage par l’ondelette ................................................................................................ 43
II.4.1 La transformation en ondelettes .................................................................................. 44
II.4.1.1 Transformée en ondelettes continue (CWT) ........................................................ 45
II.4.1.2 Transformée en ondelettes discrète (DWT) ......................................................... 46
II.4.2 Réduction de bruit en utilisant la transformée en ondelettes ...................................... 47
II.4.3 Différents types de seuillage ....................................................................................... 47
II.4.3.1 Seuillage dur ou "hard thresholding" .................................................................... 47
II.4.3.2 Seuillage doux ou "soft thresholding" .................................................................. 48
Conclusion ............................................................................................................................... 48
Chapitre III: Application et discussion ..................................................................................... 49
III.1 Résultats obtenus et discussion : ...................................................................................... 50
III.1.1 L’effet des filtres sur le bruit additif Gaussien : ........................................................ 51
III.1.2 L’effet des filtres sur le bruit impulsionnel « poivre et sel » : ................................... 55
III.1.3 L’effet des filtres sur le bruit multiplicatif « Speckle » : ........................................... 59
Conclusion ................................................................................................................................ 63
Conclusion générale ................................................................................................................. 64
Bibliographie ............................................................................................................................ 65Côte titre : MAPH/0284 En ligne : https://drive.google.com/file/d/1dJqLGg6XtsniJM5OdTZPpxezU9gb8J31/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0284 MAPH/0284 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Exploration Of Medical Image Registration Methods Using Transformers & CNN Type de document : texte imprimé Auteurs : Nesrine Harbadji, Auteur ; Rayhene Merghem, Auteur ; Seif eddine Chouaba, Directeur de thèse Année de publication : 2023 Importance : 1 vol (101 f.) Format : 29 cm Langues : Français (fre) Catégories : Physique Mots-clés : Recalage
CNN
Transformer
TransMorphIndex. décimale : 530-Physique Résumé :
Le recalage des images m´edicales joue un rˆole important dans diverses applications,
notamment le diagnostic, la planification du traitement et les interventions guid´ees
par l’image. Au fil des ann´ees, les r´eseaux neuronaux convolutionnels (CNN) ont
´et´e consid´er´es comme le choix optimal par d´efaut pour les tˆaches de recalage des
images m´edicales en raison de leur capacit´e `a apprendre les caract´eristiques spatiales.
Cependant, leur incapacit´e `a capturer les d´ependances `a long terme au sein des images
a conduit `a l’introduction des Transformers et de leurs m´ecanismes d’attention en tant
que solution innovante. Notre objectif est d’explorer les m´ethodes r´ecentes de recalage
en entraˆınant deux mod`eles diff´erents : TransMorph, ´etant bas´e sur Swin Transformer,
et VoxelMorph, un cadre non supervis´e bas´e sur les CNN pour le recalage d´eformable
des images. Tout d’abord, nous avons ´evalu´e les performances de TransMorph pour
le recalage affine en utilisant des images mono-modales (RM-RM) et multi-modales
(CT-RM) provenant d’une dataset Learn2Reg. Pour ´etablir une r´ef´erence, nous avons
compar´e les performances de TransMorph `a une m´ethode conventionnelle, Elastix.
L’approche d’´evaluation du mod`ele VoxelMorph a suivi une d´emarche similaire, et les
r´esultats obtenus ont ´et´e compar´es `a ceux de TransMorph pour le recalage d´eformable.
Côte titre : MAPH/0605 En ligne : https://drive.google.com/file/d/15gd9upf9u-dzA3JgF8jMpQteJ3D7MtEj/view?usp=shari [...] Format de la ressource électronique : Exploration Of Medical Image Registration Methods Using Transformers & CNN [texte imprimé] / Nesrine Harbadji, Auteur ; Rayhene Merghem, Auteur ; Seif eddine Chouaba, Directeur de thèse . - 2023 . - 1 vol (101 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Physique Mots-clés : Recalage
CNN
Transformer
TransMorphIndex. décimale : 530-Physique Résumé :
Le recalage des images m´edicales joue un rˆole important dans diverses applications,
notamment le diagnostic, la planification du traitement et les interventions guid´ees
par l’image. Au fil des ann´ees, les r´eseaux neuronaux convolutionnels (CNN) ont
´et´e consid´er´es comme le choix optimal par d´efaut pour les tˆaches de recalage des
images m´edicales en raison de leur capacit´e `a apprendre les caract´eristiques spatiales.
Cependant, leur incapacit´e `a capturer les d´ependances `a long terme au sein des images
a conduit `a l’introduction des Transformers et de leurs m´ecanismes d’attention en tant
que solution innovante. Notre objectif est d’explorer les m´ethodes r´ecentes de recalage
en entraˆınant deux mod`eles diff´erents : TransMorph, ´etant bas´e sur Swin Transformer,
et VoxelMorph, un cadre non supervis´e bas´e sur les CNN pour le recalage d´eformable
des images. Tout d’abord, nous avons ´evalu´e les performances de TransMorph pour
le recalage affine en utilisant des images mono-modales (RM-RM) et multi-modales
(CT-RM) provenant d’une dataset Learn2Reg. Pour ´etablir une r´ef´erence, nous avons
compar´e les performances de TransMorph `a une m´ethode conventionnelle, Elastix.
L’approche d’´evaluation du mod`ele VoxelMorph a suivi une d´emarche similaire, et les
r´esultats obtenus ont ´et´e compar´es `a ceux de TransMorph pour le recalage d´eformable.
Côte titre : MAPH/0605 En ligne : https://drive.google.com/file/d/15gd9upf9u-dzA3JgF8jMpQteJ3D7MtEj/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0605 MAPH/0605 Mémoire Bibliothéque des sciences Anglais Disponible
DisponibleSegmentation automatique par Deep Learning pour la détection d’infection pulmonaire / Amira Belilita
Titre : Segmentation automatique par Deep Learning pour la détection d’infection pulmonaire Type de document : texte imprimé Auteurs : Amira Belilita, Auteur ; Oumnia Ayat Errahmane Belaouel, Auteur ; Seif eddine Chouaba, Directeur de thèse Année de publication : 2022 Importance : 1 vol (58 f.) Format : 29 cm Langues : Français (fre) Catégories : Physique Mots-clés : Intelligence Artificielle (IA)
SegmentationIndex. décimale : 530-Physique Résumé :
La segmentation d’images est l’un des domaines prometteurs et émergents du traitement d’images. La segmentation d’images est une procédure importante dans de nombreux
systèmes de diagnostic médical, à titre d’exemple dans la délimitation pulmonaire et la mesure des lésions. L’objectif de ce stage de Master est d’étudier, de classifier et d’appliquer
quelques méthodes de segmentation automatique des images courantes de pneumonie par
les méthodes de Deep Learning qui peuvent aider à identifier les maladies pulmonaires et
rendre le diagnostic clinique plus pratique et plus précis. Divers algorithmes de segmentation d’image sont présentés. Deux réseaux d’apprentissage profond, U-NET, et PSP-NET
sont étudiés et implimentés. Les résultats globaux sont discutés et comparés en tenant
compte de différents paramètres.Côte titre : MAPH/0552 En ligne : https://drive.google.com/file/d/1aj9znfh2_aiFIjdiSZqJqJjK2S9PHPR9/view?usp=shari [...] Format de la ressource électronique : Segmentation automatique par Deep Learning pour la détection d’infection pulmonaire [texte imprimé] / Amira Belilita, Auteur ; Oumnia Ayat Errahmane Belaouel, Auteur ; Seif eddine Chouaba, Directeur de thèse . - 2022 . - 1 vol (58 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Physique Mots-clés : Intelligence Artificielle (IA)
SegmentationIndex. décimale : 530-Physique Résumé :
La segmentation d’images est l’un des domaines prometteurs et émergents du traitement d’images. La segmentation d’images est une procédure importante dans de nombreux
systèmes de diagnostic médical, à titre d’exemple dans la délimitation pulmonaire et la mesure des lésions. L’objectif de ce stage de Master est d’étudier, de classifier et d’appliquer
quelques méthodes de segmentation automatique des images courantes de pneumonie par
les méthodes de Deep Learning qui peuvent aider à identifier les maladies pulmonaires et
rendre le diagnostic clinique plus pratique et plus précis. Divers algorithmes de segmentation d’image sont présentés. Deux réseaux d’apprentissage profond, U-NET, et PSP-NET
sont étudiés et implimentés. Les résultats globaux sont discutés et comparés en tenant
compte de différents paramètres.Côte titre : MAPH/0552 En ligne : https://drive.google.com/file/d/1aj9znfh2_aiFIjdiSZqJqJjK2S9PHPR9/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0552 MAPH/0552 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Segmentation d’images pour aider au diagnostic du COVID-19 Type de document : texte imprimé Auteurs : Aya Bara ; Maroua Benhaddad ; Seif eddine Chouaba, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol. (38 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Mots-clés : Segmentation des images médicales
COVID-19Index. décimale : 530 Physique Résumé :
Ces dernières années, la technologie d’analyse d’images médicales s’est développée rapidement. Plusieurs algorithmes ont été développés pour segmenter et classifier les organes anatomiques et les pathologies dans le but du diagnostic des déférentes maladies, en utilisant différentes modalités d’imagerie médicale telles que la tomodensitométrie (TDM). Diverses méthodes de segmentation d'images sont présentées dans ce rapport de stage. Les méthodes de segmentation basées seuillages sont mises en pratique pour extraire et évaluer la maladie de coronavirus afin de rendre le diagnostic clinique plus pratique. Les résultats obtenus sont dans leurs globalités acceptables.Note de contenu :
SOMMAIRE
Liste de figures
Introduction Générale
Chapitre I : Généralités
1. Introduction
2. Les images médicales
2.1 Types d’Imagerie Médicale
2.2 Modalités d’Acquisition d’Image Médical
2.2.1 Scanner à rayons X ou Tomodensitomètre
2.2.2.1 Définition du Scanner X
2.2.2.2 Utilisation du Scanner X
2.2.2.3 Principe fondamental de fonctionnement d’un scanner
3. Les outilles du travaille
3.1 Logiciel Image J
3.2 Logiciel Matlab
4. Conclusion
Chapitre II : COVID 19&Segmentation
1. Introduction
2. La maladie à coronavirus (COVID-19)
2.1 Définition
2.2 Quelques travaux sur l'infection à la COVID-19
3. Segmentation des images
3. 1 Techniques de segmentation
3.1.1 Segmentation par seuillage
3.1.1. a Seuils globaux
3.1.1. b Seuils adaptatifs (local)
3.1.1. c Seuillage Manuel
3.2 Segmentation par région
3.2.1 Technique de la région en croissance
3.2.2 Technique de fractionnement et de fusion
3.2.3 Technique de bassin versant
3.3 Segmentation par clustering
3.3.1 Clustering K-mean (C-moyen dur)
3.3.2 Clustering C-Means flou
3.4 Segmentation par détection de contour
3.5 Segmentation par modèles déformables
3.6 Approches Basé sur l'Atlas
4. Discussions des méthodes de segmentation
5. Les critères d'évaluation
6. Conclusion
Chapitre III : Segmentation pour le diagnostique de COVID19
1. Introduction
2. Méthodologie
2.1 Filtre de seuil
2.2. Amélioration de l'image
2.3 Segmentation de l'infection à pneumonie
2.4 Calcul du niveau de gravité
3. Résultats et discussion
3.1. Première étude (des coupes axiales)
3 .2 .Deuxième étude (coupes coronales)
4. Conclusion
Conclusion Générale
BibliographieCôte titre : MAPH/0525
En ligne : https://drive.google.com/file/d/1kwa5rtVoz0MGqQju_qt7h60s0or10oMi/view?usp=shari [...] Format de la ressource électronique : Segmentation d’images pour aider au diagnostic du COVID-19 [texte imprimé] / Aya Bara ; Maroua Benhaddad ; Seif eddine Chouaba, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol. (38 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Mots-clés : Segmentation des images médicales
COVID-19Index. décimale : 530 Physique Résumé :
Ces dernières années, la technologie d’analyse d’images médicales s’est développée rapidement. Plusieurs algorithmes ont été développés pour segmenter et classifier les organes anatomiques et les pathologies dans le but du diagnostic des déférentes maladies, en utilisant différentes modalités d’imagerie médicale telles que la tomodensitométrie (TDM). Diverses méthodes de segmentation d'images sont présentées dans ce rapport de stage. Les méthodes de segmentation basées seuillages sont mises en pratique pour extraire et évaluer la maladie de coronavirus afin de rendre le diagnostic clinique plus pratique. Les résultats obtenus sont dans leurs globalités acceptables.Note de contenu :
SOMMAIRE
Liste de figures
Introduction Générale
Chapitre I : Généralités
1. Introduction
2. Les images médicales
2.1 Types d’Imagerie Médicale
2.2 Modalités d’Acquisition d’Image Médical
2.2.1 Scanner à rayons X ou Tomodensitomètre
2.2.2.1 Définition du Scanner X
2.2.2.2 Utilisation du Scanner X
2.2.2.3 Principe fondamental de fonctionnement d’un scanner
3. Les outilles du travaille
3.1 Logiciel Image J
3.2 Logiciel Matlab
4. Conclusion
Chapitre II : COVID 19&Segmentation
1. Introduction
2. La maladie à coronavirus (COVID-19)
2.1 Définition
2.2 Quelques travaux sur l'infection à la COVID-19
3. Segmentation des images
3. 1 Techniques de segmentation
3.1.1 Segmentation par seuillage
3.1.1. a Seuils globaux
3.1.1. b Seuils adaptatifs (local)
3.1.1. c Seuillage Manuel
3.2 Segmentation par région
3.2.1 Technique de la région en croissance
3.2.2 Technique de fractionnement et de fusion
3.2.3 Technique de bassin versant
3.3 Segmentation par clustering
3.3.1 Clustering K-mean (C-moyen dur)
3.3.2 Clustering C-Means flou
3.4 Segmentation par détection de contour
3.5 Segmentation par modèles déformables
3.6 Approches Basé sur l'Atlas
4. Discussions des méthodes de segmentation
5. Les critères d'évaluation
6. Conclusion
Chapitre III : Segmentation pour le diagnostique de COVID19
1. Introduction
2. Méthodologie
2.1 Filtre de seuil
2.2. Amélioration de l'image
2.3 Segmentation de l'infection à pneumonie
2.4 Calcul du niveau de gravité
3. Résultats et discussion
3.1. Première étude (des coupes axiales)
3 .2 .Deuxième étude (coupes coronales)
4. Conclusion
Conclusion Générale
BibliographieCôte titre : MAPH/0525
En ligne : https://drive.google.com/file/d/1kwa5rtVoz0MGqQju_qt7h60s0or10oMi/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0525 MAPH/0525 Mémoire Bibliothéque des sciences Français Disponible
Disponible