University Sétif 1 FERHAT ABBAS Faculty of Sciences
Résultat de la recherche
2 résultat(s) recherche sur le mot-clé 'Imagerie Médicale'
Ajouter le résultat dans votre panier Affiner la recherche Générer le flux rss de la recherche
Partager le résultat de cette recherche
Imagerie Medicale pratique:Guide méthodologique pour l'externat / Constance de Margerie-Mellon
Titre : Imagerie Medicale pratique:Guide méthodologique pour l'externat Type de document : texte imprimé Auteurs : Constance de Margerie-Mellon ; Musa Hakan Asyali Editeur : Paris : Editions Estem Année de publication : 2011 Importance : 1 vol (507 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-84371-542-6 Langues : Français (fre) Catégories : Physique Mots-clés : Imagerie Médicale Index. décimale : 530 - Physique Résumé :
L'objet de cet ouvrage est d'exposer aux étudiants en médecine l'ensemble du déroulement d'un examen d'imagerie, de la prescription à l'interprétation, en passant par la réalisation pratique.
Une première partie de généralités explique de façon simple les bases physiques et la sémiologie générale des différentes modalités d'imagerie médicale. Elle liste les principaux examens disponibles, leurs indications et contre-indications, et présente la radio-anatomie pour les examens les plus courants.
Une deuxième partie, organisée par système, expose les différentes pathologies, et explique les constatations d'imagerie en se basant sur la physiopathologie ainsi que sur les bases physiques précédemment décrites.Note de contenu :
Sommaire
LES DIFFÉRENTES TECHNIQUES D'IMAGERIE
Cet ouvrage aborde en détail et de façon organisée
les différentes techniques et leurs principes physiques
les indications et contre-indications des examens
les modalités de réalisation et la radioprotection
la lecture et la compréhension des clichés d'imagerie normale.
LA SÉMIOLOGIE RADIOLOGIQUE PAR APPAREILS
Ce guide étudie de façon exhaustive la sémiologie pathologique propre à chaque appareil
de nombreux rappels physiopathologiques permettent de faire le lien entre pathologie et sémiologie radiologique
les modalités et les méthodes de lecture des clichés d'imagerie sont détaillées pour chaque pathologie
une iconographie abondante et commentée illustre tous les cas de figure.
Un index très complet vous permettra de naviguer aisément dans l'ouvrage.Côte titre : Fs/20668-20669,Fs/9543-9544 Imagerie Medicale pratique:Guide méthodologique pour l'externat [texte imprimé] / Constance de Margerie-Mellon ; Musa Hakan Asyali . - Paris : Editions Estem, 2011 . - 1 vol (507 p.) : ill. ; 24 cm.
ISBN : 978-2-84371-542-6
Langues : Français (fre)
Catégories : Physique Mots-clés : Imagerie Médicale Index. décimale : 530 - Physique Résumé :
L'objet de cet ouvrage est d'exposer aux étudiants en médecine l'ensemble du déroulement d'un examen d'imagerie, de la prescription à l'interprétation, en passant par la réalisation pratique.
Une première partie de généralités explique de façon simple les bases physiques et la sémiologie générale des différentes modalités d'imagerie médicale. Elle liste les principaux examens disponibles, leurs indications et contre-indications, et présente la radio-anatomie pour les examens les plus courants.
Une deuxième partie, organisée par système, expose les différentes pathologies, et explique les constatations d'imagerie en se basant sur la physiopathologie ainsi que sur les bases physiques précédemment décrites.Note de contenu :
Sommaire
LES DIFFÉRENTES TECHNIQUES D'IMAGERIE
Cet ouvrage aborde en détail et de façon organisée
les différentes techniques et leurs principes physiques
les indications et contre-indications des examens
les modalités de réalisation et la radioprotection
la lecture et la compréhension des clichés d'imagerie normale.
LA SÉMIOLOGIE RADIOLOGIQUE PAR APPAREILS
Ce guide étudie de façon exhaustive la sémiologie pathologique propre à chaque appareil
de nombreux rappels physiopathologiques permettent de faire le lien entre pathologie et sémiologie radiologique
les modalités et les méthodes de lecture des clichés d'imagerie sont détaillées pour chaque pathologie
une iconographie abondante et commentée illustre tous les cas de figure.
Un index très complet vous permettra de naviguer aisément dans l'ouvrage.Côte titre : Fs/20668-20669,Fs/9543-9544 Exemplaires (4)
Code-barres Cote Support Localisation Section Disponibilité Fs/20668 Fs/20668-20669 livre Bibliothéque des sciences Français Disponible
DisponibleFs/20669 Fs/20668-20669 livre Bibliothéque des sciences Français Disponible
DisponibleFs/9543 Fs/9543-9544 livre Bibliothéque des sciences Français Disponible
DisponibleFs/9544 Fs/9543-9544 livre Bibliothéque des sciences Français Disponible
DisponibleDeep learning models for arrhythmia classification and coronary artery diseases detection / Khaoula Tobbal
Titre : Deep learning models for arrhythmia classification and coronary artery diseases detection Type de document : texte imprimé Auteurs : Khaoula Tobbal ; Djawhar Bouadam ; Abdelouahab Moussaoui, Directeur de thèse Editeur : Setif:UFA Année de publication : 2023 Importance : 1 vol (115 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Arrhythmia Coronary artery disease CAD Stenosis Cardiovascular health Deep learning model Early detection Medical imaging Simple neural network Transfer learning Vision transformer Volo Arythmie Maladie coronarienne Sténose Santé cardiovasculaire Modèle d’apprentissage profond Détection précoce Imagerie médicale Réseau neuronal simple Apprentissage par transfert Transformateur de vision Index. décimale : 004 Informatique Résumé : Arrhythmias and coronary artery disease (CAD) pose major challenges in cardiovascular
health worldwide. Accurate diagnosis and timely intervention are crucial for
the effective management of these conditions. This study focuses on addressing these
challenges by applying deep learning models for arrhythmia classification and stenosis
detection. Arrhythmias affect millions of people globally and are associated with
increased morbidity and mortality.In this thesis we want to propose new classification
models based on deep learning that will be able to classify arrhythmias, we propose
three custom transfer learning models for simple neural network, we also proposed
five transfer learning models, as well as three attention mechanisms. In addition, we
used the signals of another dataset to train and test the vision transformer model. Our
proposed models outperformed previously published work diagnostics using the same
data, obtaining an accuracy of up to 99 %.
CAD, which is characterized by narrowing of the arteries, is a leading cause of cardiovascular
morbidity and mortality worldwide. Deep learning models trained on diverse
medical imaging datasets show promising results in the detection and localization of
arterial stenosis. So ,Also in this thesis we want to propose elliptical object detection
models based on deep learning that will be able to detect stenosis, we propose four
yolo models (v5, V7, V8 and yolo-nas last version), and we also propose three transnfer
learning of the fastest Rcnn (darknet , resnet18 and nano) = Les arythmies et la maladie coronarienne (CAD) représentent des défis majeurs pour
la santé cardiovasculaire dans le monde entier. Un diagnostic précis et une intervention
rapide sont cruciaux pour la gestion efficace de ces affections. Cette étude vise à relever
ces défis en appliquant des modèles d’apprentissage profond pour la classification des
arythmies et la détection de sténoses. Les arythmies touchent des millions de personnes
dans le monde et sont associées à une morbidité et une mortalité accrues. Dans cette
thèse, nous proposons de nouveaux modèles de classification basés sur l’apprentissage
profond qui seront capables de classer les arythmies. Nous proposons trois modèles
d’apprentissage par transfert personnalisés pour les réseaux neuronaux simples, ainsi
que cinq autres modèles d’apprentissage par transfert et trois mécanismes d’attention.
De plus, nous avons utilisé les signaux d’un autre ensemble de données pour entraîner
et tester le modèle de transformateur de vision. Nos modèles proposés surpassent les
travaux précédemment publiés sur le diagnostic en utilisant les mêmes données, avec
une précision allant jusqu’à 99%. La CAD, caractérisée par le rétrécissement des artères,
est une cause majeure de morbidité et de mortalité cardiovasculaires dans le monde.
Les modèles d’apprentissage profond entraînés sur des ensembles de données diversifiés
d’imagerie médicale montrent des résultats prometteurs dans la détection et la localisation
des sténoses artérielles. Ainsi, dans cette thèse, nous proposons également des
modèles de détection d’objets elliptiques basés sur l’apprentissage profond qui seront
capables de détecter les sténoses. Nous proposons quatre modèles YOLO (v5, V7, V8 et
la dernière version de YOLO-NAS), ainsi que trois modèles d’apprentissage de transfert
du RCNN le plus rapide (Darknet, ResNet18 et Nano).
Côte titre : MAI/0762 En ligne : https://drive.google.com/file/d/1P7gGGAMYXB3VwZC7Z5CwPaEDHu5gmgZC/view?usp=drive [...] Format de la ressource électronique : Deep learning models for arrhythmia classification and coronary artery diseases detection [texte imprimé] / Khaoula Tobbal ; Djawhar Bouadam ; Abdelouahab Moussaoui, Directeur de thèse . - [S.l.] : Setif:UFA, 2023 . - 1 vol (115 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Arrhythmia Coronary artery disease CAD Stenosis Cardiovascular health Deep learning model Early detection Medical imaging Simple neural network Transfer learning Vision transformer Volo Arythmie Maladie coronarienne Sténose Santé cardiovasculaire Modèle d’apprentissage profond Détection précoce Imagerie médicale Réseau neuronal simple Apprentissage par transfert Transformateur de vision Index. décimale : 004 Informatique Résumé : Arrhythmias and coronary artery disease (CAD) pose major challenges in cardiovascular
health worldwide. Accurate diagnosis and timely intervention are crucial for
the effective management of these conditions. This study focuses on addressing these
challenges by applying deep learning models for arrhythmia classification and stenosis
detection. Arrhythmias affect millions of people globally and are associated with
increased morbidity and mortality.In this thesis we want to propose new classification
models based on deep learning that will be able to classify arrhythmias, we propose
three custom transfer learning models for simple neural network, we also proposed
five transfer learning models, as well as three attention mechanisms. In addition, we
used the signals of another dataset to train and test the vision transformer model. Our
proposed models outperformed previously published work diagnostics using the same
data, obtaining an accuracy of up to 99 %.
CAD, which is characterized by narrowing of the arteries, is a leading cause of cardiovascular
morbidity and mortality worldwide. Deep learning models trained on diverse
medical imaging datasets show promising results in the detection and localization of
arterial stenosis. So ,Also in this thesis we want to propose elliptical object detection
models based on deep learning that will be able to detect stenosis, we propose four
yolo models (v5, V7, V8 and yolo-nas last version), and we also propose three transnfer
learning of the fastest Rcnn (darknet , resnet18 and nano) = Les arythmies et la maladie coronarienne (CAD) représentent des défis majeurs pour
la santé cardiovasculaire dans le monde entier. Un diagnostic précis et une intervention
rapide sont cruciaux pour la gestion efficace de ces affections. Cette étude vise à relever
ces défis en appliquant des modèles d’apprentissage profond pour la classification des
arythmies et la détection de sténoses. Les arythmies touchent des millions de personnes
dans le monde et sont associées à une morbidité et une mortalité accrues. Dans cette
thèse, nous proposons de nouveaux modèles de classification basés sur l’apprentissage
profond qui seront capables de classer les arythmies. Nous proposons trois modèles
d’apprentissage par transfert personnalisés pour les réseaux neuronaux simples, ainsi
que cinq autres modèles d’apprentissage par transfert et trois mécanismes d’attention.
De plus, nous avons utilisé les signaux d’un autre ensemble de données pour entraîner
et tester le modèle de transformateur de vision. Nos modèles proposés surpassent les
travaux précédemment publiés sur le diagnostic en utilisant les mêmes données, avec
une précision allant jusqu’à 99%. La CAD, caractérisée par le rétrécissement des artères,
est une cause majeure de morbidité et de mortalité cardiovasculaires dans le monde.
Les modèles d’apprentissage profond entraînés sur des ensembles de données diversifiés
d’imagerie médicale montrent des résultats prometteurs dans la détection et la localisation
des sténoses artérielles. Ainsi, dans cette thèse, nous proposons également des
modèles de détection d’objets elliptiques basés sur l’apprentissage profond qui seront
capables de détecter les sténoses. Nous proposons quatre modèles YOLO (v5, V7, V8 et
la dernière version de YOLO-NAS), ainsi que trois modèles d’apprentissage de transfert
du RCNN le plus rapide (Darknet, ResNet18 et Nano).
Côte titre : MAI/0762 En ligne : https://drive.google.com/file/d/1P7gGGAMYXB3VwZC7Z5CwPaEDHu5gmgZC/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0762 MAI/0762 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible