Titre :	Classification of agllbladder by deep learning in labaroscopic images
Type de document :	texte imprimé
Auteurs :	Driss,Khaled, Auteur ; Djaghloul, Haroun, Auteur
Année de publication :	2020
Importance :	1 vol (60 f .)
Format :	29 cm
Langues :	Français (fre)
Catégories :	Thèses & Mémoires:Informatique
Mots-clés :	R´eseaux de neurones convolutifs Imagerie m´edicale Apprentissage profond classi fi cation d’images
Index. décimale :	004 - Informatique
Résumé :	La chirurgie laparoscopique, un type courant de chirurgie mini-invasive, offre non seulement des avantages th´erapeutiques significatifs pour le patient, mais ´egalement la possibilit ´e d’enregistrement vid´eo de l’op´eration pour des raisons telles que la documentation, l’´evaluation technique, l’´evaluation des comp´etences et la formation cognitive des chirurgiens d´ebutants. La technologie d’apprentissage en profondeur a r´ecemment ´et´e largement utilis´ee dans l’analyse d’images m´edicales et a donn´e des r´esultats encourageants, en particulier pour les grands ensembles de donn´ees. Dans cette th`ese, nous abordons le probl`eme de la classification de la v´esicule biliaire en se penchant profond´ement dans les images laparoscopiques, Nous ´etudions quatre architectures CNN de pointe: GoogleNet, Alexnet, ResNet101 et VGG19. nous ´evaluons notre mod`ele et comparons avec d’autres qui ont obtenu une pr´ecision jusqu’`a 75 %
Côte titre :	MAI/0443
En ligne :	https://drive.google.com/file/d/1w6iDBGJHqtbqYOxKkg0NOhLdOXe7afsO/view?usp=shari [...]
Format de la ressource électronique :	pdf

Classification of agllbladder by deep learning in labaroscopic images [texte imprimé] / Driss,Khaled, Auteur ; Djaghloul, Haroun, Auteur . - 2020 . - 1 vol (60 f .) ; 29 cm.
Langues : Français (fre)

Catégories :	Thèses & Mémoires:Informatique
Mots-clés :	R´eseaux de neurones convolutifs Imagerie m´edicale Apprentissage profond classi fi cation d’images
Index. décimale :	004 - Informatique
Résumé :	La chirurgie laparoscopique, un type courant de chirurgie mini-invasive, offre non seulement des avantages th´erapeutiques significatifs pour le patient, mais ´egalement la possibilit ´e d’enregistrement vid´eo de l’op´eration pour des raisons telles que la documentation, l’´evaluation technique, l’´evaluation des comp´etences et la formation cognitive des chirurgiens d´ebutants. La technologie d’apprentissage en profondeur a r´ecemment ´et´e largement utilis´ee dans l’analyse d’images m´edicales et a donn´e des r´esultats encourageants, en particulier pour les grands ensembles de donn´ees. Dans cette th`ese, nous abordons le probl`eme de la classification de la v´esicule biliaire en se penchant profond´ement dans les images laparoscopiques, Nous ´etudions quatre architectures CNN de pointe: GoogleNet, Alexnet, ResNet101 et VGG19. nous ´evaluons notre mod`ele et comparons avec d’autres qui ont obtenu une pr´ecision jusqu’`a 75 %
Côte titre :	MAI/0443
En ligne :	https://drive.google.com/file/d/1w6iDBGJHqtbqYOxKkg0NOhLdOXe7afsO/view?usp=shari [...]
Format de la ressource électronique :	pdf