Titre :	Segmentation Des Images Médicales par Des Méthodes Intelligentes
Type de document :	texte imprimé
Auteurs :	Djerdi, Selma, Auteur ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse
Editeur :	Setif:UFA
Année de publication :	2020
Importance :	1 vol (50 f .)
Format :	29 cm
Langues :	Français (fre)
Catégories :	Thèses & Mémoires:Physique
Mots-clés :	Apprentissage profond Segmentation d’images médicales
Index. 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, en utilisant différentes modalités d’imagerie médicale telles que la tomodensitométrie (TDM) et l’imagerie par résonance magnétique (IRM). Dans ce mémoire, nous abordons la segmentation de la tumeur cérébrale. L’apprentissage automatique est utilisé dans le domaine de l’imagerie médicale, y compris dans le diagnostic assisté par ordinateur, la segmentation d’images et l’enregistrement d’images. Les méthodes d’apprentissage profond sont un ensemble d’algorithmes dans l’apprentissage automatique, qui essaient d’apprendre automatiquement plusieurs niveaux de représentation et d’abstraction qui aident à donner un sens aux données. Dans notre étude, nous avons utilisé la base des données MICCAI-BraTS Chalenge 2019 pour l’apprentissage de m’architecture U Net choisie pour la segmentation d’images médicales.
Côte titre :	MAPH/0441
En ligne :	https://drive.google.com/file/d/1eEXh0NxJ7oYfhkY_s3NVA5sNvgldO6Pw/view?usp=shari [...]
Format de la ressource électronique :	pdf

Segmentation Des Images Médicales par Des Méthodes Intelligentes [texte imprimé] / Djerdi, Selma, Auteur ; Belkhiat, Djamel Eddine Chouaib, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (50 f .) ; 29 cm.
Langues : Français (fre)

Catégories :	Thèses & Mémoires:Physique
Mots-clés :	Apprentissage profond Segmentation d’images médicales
Index. 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, en utilisant différentes modalités d’imagerie médicale telles que la tomodensitométrie (TDM) et l’imagerie par résonance magnétique (IRM). Dans ce mémoire, nous abordons la segmentation de la tumeur cérébrale. L’apprentissage automatique est utilisé dans le domaine de l’imagerie médicale, y compris dans le diagnostic assisté par ordinateur, la segmentation d’images et l’enregistrement d’images. Les méthodes d’apprentissage profond sont un ensemble d’algorithmes dans l’apprentissage automatique, qui essaient d’apprendre automatiquement plusieurs niveaux de représentation et d’abstraction qui aident à donner un sens aux données. Dans notre étude, nous avons utilisé la base des données MICCAI-BraTS Chalenge 2019 pour l’apprentissage de m’architecture U Net choisie pour la segmentation d’images médicales.
Côte titre :	MAPH/0441
En ligne :	https://drive.google.com/file/d/1eEXh0NxJ7oYfhkY_s3NVA5sNvgldO6Pw/view?usp=shari [...]
Format de la ressource électronique :	pdf