University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Belkhiat, Djamel Eddine Chouaib |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : An improved Fuzzy C-Means clustering algorithm for medical image segmentation Type de document : texte imprimé Auteurs : Bouider ,Fahima, Auteur ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (60 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Mots-clés : IRM
la segmentation des images
la reconstruction morphologique (Index. décimale : 530 Physique Résumé : Dans ce mémoire, nous concentrons notre étude sur la segmentation automatique des images IRM cérébrales à l’aide du FCM (l’algorithme de Fuzzy C-means), un algorithme largement utilisé pour son adaptation et son efficacité à traiter des données imprécises et incertaines. Cependant, sa principale faiblesse est liée à l’initialisation aléatoire des centres des classes, ce qui provoque une convergence prématurée et fait que la FCM tombe dans l’optimum local. Afin d’améliorer les performances de la FCM, nous proposons une nouvelle méthode basée sur la reconstruction morphologique (RM) ‘C-Means Fuzzy-Based Reconstruction-Based Morphological’ (MR-FCM). La méthode développée a été testée sur une image IRM réelle avec différentes coupes (axiale, sagittale et coronale). La comparaison des résultats des tests avec d'autres méthodes de segmentation existantes FCM, EnFCM, FGFCM et FCM-S démontre visuellement et quantitativement la supériorité de la méthode proposé Note de contenu : Sommaire
Contents
General Introduction .................................................................................................................. 1
Chapter I: .................................................................................................................................... 2
Medical Imaging Modalities ...................................................................................................... 2
I. Introduction ......................................................................................................................... 3
II. Medical Imaging Techniques .............................................................................................. 3
1. X-Rays ............................................................................................................................. 3
1.1. Radiography ............................................................................................................. 3
1.2. Computed Tomography (CT) .................................................................................. 4
2. Nuclear Imaging .............................................................................................................. 4
2.1. Positron Emission Tomography (PET) .................................................................... 4
2.2. Single-Photon Emission Tomography (SPECT) ..................................................... 5
3. Echography ...................................................................................................................... 5
4. Magnetic Resonance Imaging (MRI) .............................................................................. 6
4.1. MRI Principle ........................................................................................................... 6
4.2. MRI Parameters ....................................................................................................... 7
4.3. MRI image artefacts ................................................................................................. 7
III. Conclusion ....................................................................................................................... 8
Chapter II: Fundamentals of Digital Image Processing ............................................................. 9
I. Introduction ....................................................................................................................... 10
II. Image Processing .............................................................................................................. 10
III. Techniques of Image Processing ................................................................................... 10
III.1. Image compression ...................................................................................................... 10 III.2. Image restoration ......................................................................................................... 10
III.3 Filtering ........................................................................................................................ 11
1. Linear Filters .............................................................................................................. 12
2. Non-linear filters ........................................................................................................ 12
IV. Segmentation ................................................................................................................. 14
IV.1. Classification of Segmentation Techniques ................................................................ 15
1. Non-cooperation segmentation ......................................................................................... 17
1.1. Non-Contextual .......................................................................................................... 17
1.2. Contextual .............................................................................................................. 18 2. Cooperation Segmentation (Region/Boundary cooperation) ........................................ 22
2.1. Sequential Cooperation .............................................................................................. 22 2.2. Results Cooperation ................................................................................................... 22 2.3. Hybrid Cooperation ................................................................................................... 23
IV.2. Evaluation Methods of Segmentation ............................................................................. 24
1. Unsupervised Evaluation .................................................................................................. 24
A. Uniformity ................................................................................................................. 24
B. Contrast ...................................................................................................................... 24
C. Homogeneity ............................................................................................................. 25
2. Supervised Evaluation ...................................................................................................... 26
A. Similarity ................................................................................................................... 26
B. Mutual information measurement ............................................................................. 27
V. Conclusion ........................................................................................................................ 29
Chapter III: FCM Improved Method ........................................................................................ 30
I. Introduction: ...................................................................................................................... 31
II. Standard FCM: .................................................................................................................... 31
III. FCM-S: ............................................................................................................................... 34
IV. EnFCM: ......................................................................................................................... 36
V. FGFCM: ............................................................................................................................ 37
Chapter IV:Proposed Method ................................................................................................. 39
I. Introduction ....................................................................................................................... 40
II. Hybridization .................................................................................................................... 40
III. The proposed method for MRI image segmentation ..................................................... 41
1. Input image .................................................................................................................... 41
a. DICOM ...................................................................................................................... 42
b. NIFTI ......................................................................................................................... 42
2. Skull Removal (stripping) ............................................................................................. 42
3. Clustering FCM and MR ............................................................................................... 43
IV. Visual discussion ........................................................................................................... 48
V. Evaluation of Results ........................................................................................................ 48
V.1. Definition ...................................................................................................................... 48
V.2. Results ........................................................................................................................... 51 Discussion ......................................................................................................................... 55
VI. Interface ......................................................................................................................... 56
VII. Conclusion ..................................................................................................................... 59
General ConclusionCôte titre : MAPH/0352 En ligne : https://drive.google.com/file/d/15YXz2C20Ad9_1zVxs-z-2xwMF8RchTJq/view?usp=shari [...] An improved Fuzzy C-Means clustering algorithm for medical image segmentation [texte imprimé] / Bouider ,Fahima, Auteur ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (60 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Mots-clés : IRM
la segmentation des images
la reconstruction morphologique (Index. décimale : 530 Physique Résumé : Dans ce mémoire, nous concentrons notre étude sur la segmentation automatique des images IRM cérébrales à l’aide du FCM (l’algorithme de Fuzzy C-means), un algorithme largement utilisé pour son adaptation et son efficacité à traiter des données imprécises et incertaines. Cependant, sa principale faiblesse est liée à l’initialisation aléatoire des centres des classes, ce qui provoque une convergence prématurée et fait que la FCM tombe dans l’optimum local. Afin d’améliorer les performances de la FCM, nous proposons une nouvelle méthode basée sur la reconstruction morphologique (RM) ‘C-Means Fuzzy-Based Reconstruction-Based Morphological’ (MR-FCM). La méthode développée a été testée sur une image IRM réelle avec différentes coupes (axiale, sagittale et coronale). La comparaison des résultats des tests avec d'autres méthodes de segmentation existantes FCM, EnFCM, FGFCM et FCM-S démontre visuellement et quantitativement la supériorité de la méthode proposé Note de contenu : Sommaire
Contents
General Introduction .................................................................................................................. 1
Chapter I: .................................................................................................................................... 2
Medical Imaging Modalities ...................................................................................................... 2
I. Introduction ......................................................................................................................... 3
II. Medical Imaging Techniques .............................................................................................. 3
1. X-Rays ............................................................................................................................. 3
1.1. Radiography ............................................................................................................. 3
1.2. Computed Tomography (CT) .................................................................................. 4
2. Nuclear Imaging .............................................................................................................. 4
2.1. Positron Emission Tomography (PET) .................................................................... 4
2.2. Single-Photon Emission Tomography (SPECT) ..................................................... 5
3. Echography ...................................................................................................................... 5
4. Magnetic Resonance Imaging (MRI) .............................................................................. 6
4.1. MRI Principle ........................................................................................................... 6
4.2. MRI Parameters ....................................................................................................... 7
4.3. MRI image artefacts ................................................................................................. 7
III. Conclusion ....................................................................................................................... 8
Chapter II: Fundamentals of Digital Image Processing ............................................................. 9
I. Introduction ....................................................................................................................... 10
II. Image Processing .............................................................................................................. 10
III. Techniques of Image Processing ................................................................................... 10
III.1. Image compression ...................................................................................................... 10 III.2. Image restoration ......................................................................................................... 10
III.3 Filtering ........................................................................................................................ 11
1. Linear Filters .............................................................................................................. 12
2. Non-linear filters ........................................................................................................ 12
IV. Segmentation ................................................................................................................. 14
IV.1. Classification of Segmentation Techniques ................................................................ 15
1. Non-cooperation segmentation ......................................................................................... 17
1.1. Non-Contextual .......................................................................................................... 17
1.2. Contextual .............................................................................................................. 18 2. Cooperation Segmentation (Region/Boundary cooperation) ........................................ 22
2.1. Sequential Cooperation .............................................................................................. 22 2.2. Results Cooperation ................................................................................................... 22 2.3. Hybrid Cooperation ................................................................................................... 23
IV.2. Evaluation Methods of Segmentation ............................................................................. 24
1. Unsupervised Evaluation .................................................................................................. 24
A. Uniformity ................................................................................................................. 24
B. Contrast ...................................................................................................................... 24
C. Homogeneity ............................................................................................................. 25
2. Supervised Evaluation ...................................................................................................... 26
A. Similarity ................................................................................................................... 26
B. Mutual information measurement ............................................................................. 27
V. Conclusion ........................................................................................................................ 29
Chapter III: FCM Improved Method ........................................................................................ 30
I. Introduction: ...................................................................................................................... 31
II. Standard FCM: .................................................................................................................... 31
III. FCM-S: ............................................................................................................................... 34
IV. EnFCM: ......................................................................................................................... 36
V. FGFCM: ............................................................................................................................ 37
Chapter IV:Proposed Method ................................................................................................. 39
I. Introduction ....................................................................................................................... 40
II. Hybridization .................................................................................................................... 40
III. The proposed method for MRI image segmentation ..................................................... 41
1. Input image .................................................................................................................... 41
a. DICOM ...................................................................................................................... 42
b. NIFTI ......................................................................................................................... 42
2. Skull Removal (stripping) ............................................................................................. 42
3. Clustering FCM and MR ............................................................................................... 43
IV. Visual discussion ........................................................................................................... 48
V. Evaluation of Results ........................................................................................................ 48
V.1. Definition ...................................................................................................................... 48
V.2. Results ........................................................................................................................... 51 Discussion ......................................................................................................................... 55
VI. Interface ......................................................................................................................... 56
VII. Conclusion ..................................................................................................................... 59
General ConclusionCôte titre : MAPH/0352 En ligne : https://drive.google.com/file/d/15YXz2C20Ad9_1zVxs-z-2xwMF8RchTJq/view?usp=shari [...] Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0352 MAPH/0352 Mémoire Bibliothéque des sciences Anglais Disponible
DisponibleContribution a la detection du systeme vasculaire, aide au diagnostique medicale / Sidy Bekaye Koné
Titre : Contribution a la detection du systeme vasculaire, aide au diagnostique medicale Type de document : texte imprimé Auteurs : Sidy Bekaye Koné ; Abdelmalek Kermoune ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol. (48 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Mots-clés : Vascularisation cérébrale
Angiographie : résonance magnétique
Images angiographiques cérébralesIndex. décimale : 530 Physique Résumé :
Le réseau vasculaire cérébral joue un rôle crucial pour l’irrigation des différents tissus cérébraux. La principale méthode pour le diagnostic des pathologies cérébrales est l’angiographie cérébrale par résonance magnétique. La segmentation par seuillage est basée sur le principe que les valeurs qui assurent que la variance des interclasses est maximum sont ceux qui seront sélectionnées comme seuils.
La méthode d’Otsu est un intermédiaire d’avoir de manière automatique un seuil optimal basé sur les niveaux de gris dans l’histogramme de l’image. La méthode de validation sur MIP est meilleure par rapport à la méthode de validation TOF avec la segmentation par seuillage d’Otsu mais reste une méthode pauvre en sensibilité.Côte titre : MAPH/0526
En ligne : https://drive.google.com/file/d/12YmDBK9gEubGaul409LESdXEpaaYYsCI/view?usp=shari [...] Format de la ressource électronique : Contribution a la detection du systeme vasculaire, aide au diagnostique medicale [texte imprimé] / Sidy Bekaye Koné ; Abdelmalek Kermoune ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol. (48 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Mots-clés : Vascularisation cérébrale
Angiographie : résonance magnétique
Images angiographiques cérébralesIndex. décimale : 530 Physique Résumé :
Le réseau vasculaire cérébral joue un rôle crucial pour l’irrigation des différents tissus cérébraux. La principale méthode pour le diagnostic des pathologies cérébrales est l’angiographie cérébrale par résonance magnétique. La segmentation par seuillage est basée sur le principe que les valeurs qui assurent que la variance des interclasses est maximum sont ceux qui seront sélectionnées comme seuils.
La méthode d’Otsu est un intermédiaire d’avoir de manière automatique un seuil optimal basé sur les niveaux de gris dans l’histogramme de l’image. La méthode de validation sur MIP est meilleure par rapport à la méthode de validation TOF avec la segmentation par seuillage d’Otsu mais reste une méthode pauvre en sensibilité.Côte titre : MAPH/0526
En ligne : https://drive.google.com/file/d/12YmDBK9gEubGaul409LESdXEpaaYYsCI/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0526 MAPH/0526 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Contribution à la segmentation d’images: application en imagerie médicale Type de document : document électronique Auteurs : Imane Mehidi, Auteur ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse Editeur : Setif:UFA Année de publication : 2024 Importance : 1 vol (112 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Mots-clés : image processing segmentation classification retinal blood vessels Index. décimale : 530 Physique Résumé : Retinal imaging is a powerful tool for detecting and diagnosing various health conditions.
Locating retinal vessels is important because it allows for the specification of
different tissues of the vascular structure. Ophthalmologists use images with binary
segmentation of retinal fundus to analyze and predict diseases such as hypertension
and diabetes. However, blood vessel segmentation in retinal images can be challenging
due to several factors such as low contrast, background illumination inhomogeneity,
and noise.
The main objective of this dissertation is to study and propose effective methods
for automatic retinal vasculature segmentation. Our first contribution involved studying
the performance of improved FCM algorithms, including FCM, EnFCM, SFCM,
FGFCM, FRFCM, DSFCM_N, FCM_SICM, and SSFCA, to recommend the best ones
for the segmentation of retinal blood vessels. We evaluated their performance based on
three criteria: noise robustness, blood vessel segmentation performance, and execution
time.
In our second contribution, we proposed a new unsupervised method that ensures
high-accuracy detection compared to previous studies. It depends on hybrid filtering
and adaptive thresholding. We validated our proposed studies using two benchmark
databases: STARE and DRIVE.
This dissertation also includes contributions related to the segmentation of MR
brain images to identify tumors and different tissues. These contributions involve the
development of new methods that have been evaluated using various databases and
have shown promising results. These contributions are included in the appendices of
the dissertation.
Overall, this dissertation aims to contribute to the field of medical image segmentation
by proposing effective new methods, which can help in disease detection and
monitoring.Côte titre : DPH/0297 En ligne : http://dspace.univ-setif.dz:8888/jspui/bitstream/123456789/4360/1/2302.pdf Contribution à la segmentation d’images: application en imagerie médicale [document électronique] / Imane Mehidi, Auteur ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse . - [S.l.] : Setif:UFA, 2024 . - 1 vol (112 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Mots-clés : image processing segmentation classification retinal blood vessels Index. décimale : 530 Physique Résumé : Retinal imaging is a powerful tool for detecting and diagnosing various health conditions.
Locating retinal vessels is important because it allows for the specification of
different tissues of the vascular structure. Ophthalmologists use images with binary
segmentation of retinal fundus to analyze and predict diseases such as hypertension
and diabetes. However, blood vessel segmentation in retinal images can be challenging
due to several factors such as low contrast, background illumination inhomogeneity,
and noise.
The main objective of this dissertation is to study and propose effective methods
for automatic retinal vasculature segmentation. Our first contribution involved studying
the performance of improved FCM algorithms, including FCM, EnFCM, SFCM,
FGFCM, FRFCM, DSFCM_N, FCM_SICM, and SSFCA, to recommend the best ones
for the segmentation of retinal blood vessels. We evaluated their performance based on
three criteria: noise robustness, blood vessel segmentation performance, and execution
time.
In our second contribution, we proposed a new unsupervised method that ensures
high-accuracy detection compared to previous studies. It depends on hybrid filtering
and adaptive thresholding. We validated our proposed studies using two benchmark
databases: STARE and DRIVE.
This dissertation also includes contributions related to the segmentation of MR
brain images to identify tumors and different tissues. These contributions involve the
development of new methods that have been evaluated using various databases and
have shown promising results. These contributions are included in the appendices of
the dissertation.
Overall, this dissertation aims to contribute to the field of medical image segmentation
by proposing effective new methods, which can help in disease detection and
monitoring.Côte titre : DPH/0297 En ligne : http://dspace.univ-setif.dz:8888/jspui/bitstream/123456789/4360/1/2302.pdf Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité DPH/0297 DPH/0297 Thèse Bibliothéque des sciences Français Disponible
DisponibleEXPLORING THE EFFECTIVENESS OF TRANSFORMER MODELS IN BREAST CANCER CLASSIFICATION TASKS / Chaima Khenouche
Titre : EXPLORING THE EFFECTIVENESS OF TRANSFORMER MODELS IN BREAST CANCER CLASSIFICATION TASKS Type de document : document électronique Auteurs : Chaima Khenouche, Auteur ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse Editeur : Setif:UFA Année de publication : 2024 Importance : 1 vol (50 f.) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Physique Mots-clés : Breast cancer
CAD system
Transformer
VITIndex. décimale : 530 - Physique Résumé :
Early detection remains crucial for limiting breast cancer mortality in women. Screening programs
are considered as the best solution, but the growing volume of data and human limitations
have driven interest in AI-based support for medical professionals. Deep learning-based
Computer-Aided Diagnosis (CAD) systems have seen significant progress, leading to a variety
of architectures, such as the recent advancements in Visual Transformers (ViTs). While Convolutional
Neural Networks (CNNs) are well-established for medical image analysis, ViTs excel
in areas where CNNs struggle. This research investigates the potential of ViTs as a successor
to CNNs in breast cancer classification.
We achieve this by extensively evaluating the ViT performance to assess the validity of ViTs
as a viable tool for breast cancer diagnosis.Note de contenu : Sommaire
Abstract iii
Résumé iv
Table of Contents viii
List of Figures ix
List of Tables x
List of Acronyms xii
General Introduction 1
1 BREAST CANCER & COMPUTER AIDED DIAGNOSIS 3
1.1 BACKGROUND . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Breast Cancer: Traits, Challenges, and CAD in Diagnosis . . . . . . . . . . . . . 4
1.3 Computer-Aided Diagnosis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1 The Evolution of CAD Systems in Medical Diagnosis . . . . . . . . . . . 6
1.3.2 Enhancing Breast Cancer Diagnosis with CAD Systems . . . . . . . . . . 6
1.3.2.1 Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2.2 Feature Extraction . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.2.3 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 INTEGRATING ARTIFICIAL INTELLIGENCE IN CAD SYSTEMS FOR
BREAST CANCER DIAGNOSIS 10
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Machine Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3 Artificial Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3.1 Training an Artificial Neural Network . . . . . . . . . . . . . . . . . . . 14
2.4 Convolutional Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.1 Background . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.2 Basic Building Blocks of CNN . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.2.1 Convolutional Layer . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.2.2 Pooling Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.2.3 Fully Connected Layer . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.2.4 Activation Function and Loss function . . . . . . . . . . . . . . 19
2.5 Transformers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5.1 BACKGROUND . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5.2 Self-Attention in Transformers: A Mechanism for Long-Range Dependencies
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.3 Model Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.3.1 ENCODER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.3.2 DECODER . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.5.3.3 EMBEDDING AND POSITIONAL EMBEDDING . . . . . . . 23
2.5.3.4 Feed Forward Network . . . . . . . . . . . . . . . . . . . . . . 23
2.5.3.5 SoftMax & output Probabilities . . . . . . . . . . . . . . . . . 24
2.6 TRANSFORMERS VS CNN in cancer detection . . . . . . . . . . . . . . . . . 24
2.7 conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3 ARCHITECTURE & SOFTWARE AND HARDWARE IMPEMENTATION
26
3.1 CONTEX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2 ARCHITECTURE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.1 Vision Transformer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2 MODEL PARAMETHER . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2.1 PATCHE SIZE . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2.2 OPTIMIZER . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 SOFTEWARE AND HARDWARE IMPLEMENTATION . . . . . . . . . . . . 28
3.3.1 Hardware Specifications . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.2 Selection of Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.3 Pytorch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.4 DATASETS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.4 Evaluation Metrics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4 Results and Discussion 34
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2 Qualitative Evaluation of ViT-64 Model on breakHis and BUSI Datasets . . . . 34
4.2.1 Analysis of the ViT-Transformer Models on the BreaKHis Dataset . . . 34
4.2.1.1 Evaluating Optimizers for BreakHis dataset Analysis . . . . . . 34
4.2.1.2 Evaluating vit-64 model on breakHis ful dataset . . . . . . . . . 36
4.2.1.3 Evaluating the ViT-64 model on BreaKHis on different magnifications
(x40, x100, x200, x400) . . . . . . . . . . . . . . . . . 37
4.2.2 Analysis of the ViT-Transformer Models on Breast ultrasound Images
dataset (BUSI) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2.2.1 Evaluating Optimizers for ultrasound (BUSI) dataset Analysis . 38
4.2.2.2 Evaluating ViT-64 model on BUSI dataset . . . . . . . . . . . . 38
4.3 Quantitative Evaluation of ViT-64 Model on BreakHis and BUSI Datasets . . . 39
4.4 Impact of Patch Size on Model Performance . . . . . . . . . . . . . . . . . . . . 40
4.4.1 Qualitative Evaluation of Patch Size Impact on Model Performance . . . 40
4.4.2 Quantitative Evaluation of Patch Size Impact on Model Performance . . 44
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46Côte titre : MAPH/0632 EXPLORING THE EFFECTIVENESS OF TRANSFORMER MODELS IN BREAST CANCER CLASSIFICATION TASKS [document électronique] / Chaima Khenouche, Auteur ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse . - [S.l.] : Setif:UFA, 2024 . - 1 vol (50 f.) ; 29 cm.
Langues : Anglais (eng)
Catégories : Thèses & Mémoires:Physique Mots-clés : Breast cancer
CAD system
Transformer
VITIndex. décimale : 530 - Physique Résumé :
Early detection remains crucial for limiting breast cancer mortality in women. Screening programs
are considered as the best solution, but the growing volume of data and human limitations
have driven interest in AI-based support for medical professionals. Deep learning-based
Computer-Aided Diagnosis (CAD) systems have seen significant progress, leading to a variety
of architectures, such as the recent advancements in Visual Transformers (ViTs). While Convolutional
Neural Networks (CNNs) are well-established for medical image analysis, ViTs excel
in areas where CNNs struggle. This research investigates the potential of ViTs as a successor
to CNNs in breast cancer classification.
We achieve this by extensively evaluating the ViT performance to assess the validity of ViTs
as a viable tool for breast cancer diagnosis.Note de contenu : Sommaire
Abstract iii
Résumé iv
Table of Contents viii
List of Figures ix
List of Tables x
List of Acronyms xii
General Introduction 1
1 BREAST CANCER & COMPUTER AIDED DIAGNOSIS 3
1.1 BACKGROUND . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Breast Cancer: Traits, Challenges, and CAD in Diagnosis . . . . . . . . . . . . . 4
1.3 Computer-Aided Diagnosis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1 The Evolution of CAD Systems in Medical Diagnosis . . . . . . . . . . . 6
1.3.2 Enhancing Breast Cancer Diagnosis with CAD Systems . . . . . . . . . . 6
1.3.2.1 Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2.2 Feature Extraction . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.2.3 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 INTEGRATING ARTIFICIAL INTELLIGENCE IN CAD SYSTEMS FOR
BREAST CANCER DIAGNOSIS 10
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Machine Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3 Artificial Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3.1 Training an Artificial Neural Network . . . . . . . . . . . . . . . . . . . 14
2.4 Convolutional Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.1 Background . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.2 Basic Building Blocks of CNN . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.2.1 Convolutional Layer . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.2.2 Pooling Layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.2.3 Fully Connected Layer . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.2.4 Activation Function and Loss function . . . . . . . . . . . . . . 19
2.5 Transformers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5.1 BACKGROUND . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5.2 Self-Attention in Transformers: A Mechanism for Long-Range Dependencies
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.3 Model Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.3.1 ENCODER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.3.2 DECODER . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.5.3.3 EMBEDDING AND POSITIONAL EMBEDDING . . . . . . . 23
2.5.3.4 Feed Forward Network . . . . . . . . . . . . . . . . . . . . . . 23
2.5.3.5 SoftMax & output Probabilities . . . . . . . . . . . . . . . . . 24
2.6 TRANSFORMERS VS CNN in cancer detection . . . . . . . . . . . . . . . . . 24
2.7 conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3 ARCHITECTURE & SOFTWARE AND HARDWARE IMPEMENTATION
26
3.1 CONTEX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2 ARCHITECTURE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.1 Vision Transformer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2 MODEL PARAMETHER . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2.1 PATCHE SIZE . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2.2 OPTIMIZER . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 SOFTEWARE AND HARDWARE IMPLEMENTATION . . . . . . . . . . . . 28
3.3.1 Hardware Specifications . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.2 Selection of Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.3 Pytorch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.4 DATASETS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.4 Evaluation Metrics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4 Results and Discussion 34
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2 Qualitative Evaluation of ViT-64 Model on breakHis and BUSI Datasets . . . . 34
4.2.1 Analysis of the ViT-Transformer Models on the BreaKHis Dataset . . . 34
4.2.1.1 Evaluating Optimizers for BreakHis dataset Analysis . . . . . . 34
4.2.1.2 Evaluating vit-64 model on breakHis ful dataset . . . . . . . . . 36
4.2.1.3 Evaluating the ViT-64 model on BreaKHis on different magnifications
(x40, x100, x200, x400) . . . . . . . . . . . . . . . . . 37
4.2.2 Analysis of the ViT-Transformer Models on Breast ultrasound Images
dataset (BUSI) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2.2.1 Evaluating Optimizers for ultrasound (BUSI) dataset Analysis . 38
4.2.2.2 Evaluating ViT-64 model on BUSI dataset . . . . . . . . . . . . 38
4.3 Quantitative Evaluation of ViT-64 Model on BreakHis and BUSI Datasets . . . 39
4.4 Impact of Patch Size on Model Performance . . . . . . . . . . . . . . . . . . . . 40
4.4.1 Qualitative Evaluation of Patch Size Impact on Model Performance . . . 40
4.4.2 Quantitative Evaluation of Patch Size Impact on Model Performance . . 44
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46Côte titre : MAPH/0632 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0632 MAPH/0632 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Modélisation et simulation de l’attitude d’un satellite sur son orbite Type de document : texte imprimé Auteurs : Anane, Mouna, Auteur ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (37 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Mots-clés : Physique Index. décimale : 530 Physique Résumé : Ce travail a permis de traiter les notions fondamentales pour
modéliser l'attitude des satellites en présence des perturbations.
Ceci est fait par :
La Modélisation de l'équation d'attitude du satellite
ynamique et cinématique).
La Modélisation de différents couples perturbateurs
agissant sur l'attitude de satellite.
Les résultats ont été obtenus au simulateur développer sous
MatlabNote de contenu : Sommaire
Introduction générale ........................................................................ 1
Chapitre 1 ............................................................................................ 3
Généralités sur les satellites ............................................................ 3
1.1. Introduction .............................................................................. 4
1.2. Architecture d’un satellite ....................................................... 4
1.2.1. Plate-forme .......................................................................... 4
1.2.2. Charge utile ......................................................................... 4
1.3. Différents types de satellites ................................................... 4
1.3.1. Satellites scientifiques ........................................................ 4
1.3.2. Satellites de communication .............................................. 5
1.3.3. Stations spatiales................................................................. 5
1.3.4. Satellites radio amateur ..................................................... 5
1.4. Principaux capteurs (senseurs) de perception de l’attitude 5
1.4.1. Capteurs solaires ................................................................ 6
1.4.2. Capteurs terrestres ............................................................. 7
1.4.3. accéléromètre ...................................................................... 7
1.4.4. Inclinomètres ....................................................................... 8
1.4.5. Les magnétomètres............................................................. 9
1.4.6. gyromètres ........................................................................... 9
1.4.7. GPS (Global Positioning System) .................................... 10
1.5. Conclusion .............................................................................. 10
Chapitre 2 .......................................................................................... 11
Représentation de l’attitude d’un corps rigide ........................... 11
2.1. Introduction ............................................................................ 12
2.2. Définitions et notations ......................................................... 12
2.2.1. Définition d’un corps rigide ............................................ 12
Table des matières
2.2.2. Attitude d’un corps rigide ............................................... 12
2.3. Systèmes de coordonnées ..................................................... 13
2.3.1. Repère inertiel (géocentrique équatorial) ...................... 13
2.3.2. Repère géocentrique équatorial fixe ............................... 13
2.3.3. Repère géocentrique orbital ............................................ 14
2.3.4. Repère orbital local ........................................................... 14
2.3.5. Repère orbital satellite ..................................................... 14
2.4. Les formes de représentation de l’attitude ......................... 15
2.4.1. Les matrices de rotation ................................................... 15
2.4.2. Les quaternions ................................................................. 16
2.4.3. Les angles d’Euler............................................................. 20
2.5. Conclusion .............................................................................. 23
Chapitre 3 .......................................................................................... 24
Modélisation et simulation d’attitude d’un satellite ................. 24
3.1. Introduction ............................................................................ 25
3.2. Equation du mouvement d’un satellite ............................... 25
3.2.1. Équations dynamiques du Mouvement......................... 25
3.2.2. Équations Cinématiques du Mouvement ...................... 26
3.3. Modélisation des couples perturbateurs ............................. 27
3.3.1. Couple de Gradient de Gravité ....................................... 27
3.3.2. Couple aérodynamique ................................................... 27
3.3.3. Couple magnétique .......................................................... 28
3.4. Simulation de l’attitude d’un satellite ................................. 28
3.5. Conclusion .............................................................................. 35
Conclusions et perspectives ........................................................... 36
Bibliographie .................................................................................... 37Côte titre : MAPH/0277 En ligne : https://drive.google.com/file/d/1ntQiVWrZVQDrVXBTGi3_8Zc1_M1G8F11/view?usp=shari [...] Format de la ressource électronique : Modélisation et simulation de l’attitude d’un satellite sur son orbite [texte imprimé] / Anane, Mouna, Auteur ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (37 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Mots-clés : Physique Index. décimale : 530 Physique Résumé : Ce travail a permis de traiter les notions fondamentales pour
modéliser l'attitude des satellites en présence des perturbations.
Ceci est fait par :
La Modélisation de l'équation d'attitude du satellite
ynamique et cinématique).
La Modélisation de différents couples perturbateurs
agissant sur l'attitude de satellite.
Les résultats ont été obtenus au simulateur développer sous
MatlabNote de contenu : Sommaire
Introduction générale ........................................................................ 1
Chapitre 1 ............................................................................................ 3
Généralités sur les satellites ............................................................ 3
1.1. Introduction .............................................................................. 4
1.2. Architecture d’un satellite ....................................................... 4
1.2.1. Plate-forme .......................................................................... 4
1.2.2. Charge utile ......................................................................... 4
1.3. Différents types de satellites ................................................... 4
1.3.1. Satellites scientifiques ........................................................ 4
1.3.2. Satellites de communication .............................................. 5
1.3.3. Stations spatiales................................................................. 5
1.3.4. Satellites radio amateur ..................................................... 5
1.4. Principaux capteurs (senseurs) de perception de l’attitude 5
1.4.1. Capteurs solaires ................................................................ 6
1.4.2. Capteurs terrestres ............................................................. 7
1.4.3. accéléromètre ...................................................................... 7
1.4.4. Inclinomètres ....................................................................... 8
1.4.5. Les magnétomètres............................................................. 9
1.4.6. gyromètres ........................................................................... 9
1.4.7. GPS (Global Positioning System) .................................... 10
1.5. Conclusion .............................................................................. 10
Chapitre 2 .......................................................................................... 11
Représentation de l’attitude d’un corps rigide ........................... 11
2.1. Introduction ............................................................................ 12
2.2. Définitions et notations ......................................................... 12
2.2.1. Définition d’un corps rigide ............................................ 12
Table des matières
2.2.2. Attitude d’un corps rigide ............................................... 12
2.3. Systèmes de coordonnées ..................................................... 13
2.3.1. Repère inertiel (géocentrique équatorial) ...................... 13
2.3.2. Repère géocentrique équatorial fixe ............................... 13
2.3.3. Repère géocentrique orbital ............................................ 14
2.3.4. Repère orbital local ........................................................... 14
2.3.5. Repère orbital satellite ..................................................... 14
2.4. Les formes de représentation de l’attitude ......................... 15
2.4.1. Les matrices de rotation ................................................... 15
2.4.2. Les quaternions ................................................................. 16
2.4.3. Les angles d’Euler............................................................. 20
2.5. Conclusion .............................................................................. 23
Chapitre 3 .......................................................................................... 24
Modélisation et simulation d’attitude d’un satellite ................. 24
3.1. Introduction ............................................................................ 25
3.2. Equation du mouvement d’un satellite ............................... 25
3.2.1. Équations dynamiques du Mouvement......................... 25
3.2.2. Équations Cinématiques du Mouvement ...................... 26
3.3. Modélisation des couples perturbateurs ............................. 27
3.3.1. Couple de Gradient de Gravité ....................................... 27
3.3.2. Couple aérodynamique ................................................... 27
3.3.3. Couple magnétique .......................................................... 28
3.4. Simulation de l’attitude d’un satellite ................................. 28
3.5. Conclusion .............................................................................. 35
Conclusions et perspectives ........................................................... 36
Bibliographie .................................................................................... 37Côte titre : MAPH/0277 En ligne : https://drive.google.com/file/d/1ntQiVWrZVQDrVXBTGi3_8Zc1_M1G8F11/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0277 MAPH/0277 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalink
