University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Imane Mehidi |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
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
DisponibleSegmentation des images du fond d’œil pour l’extraction de l’arbre vasculaire rétinien : méthode à base de l’apprentissage profond / Imane Khadidja Abbas
Titre : Segmentation des images du fond d’œil pour l’extraction de l’arbre vasculaire rétinien : méthode à base de l’apprentissage profond Type de document : texte imprimé Auteurs : Imane Khadidja Abbas, Auteur ; Sarra Zoghbi, Auteur ; Imane Mehidi, Directeur de thèse Année de publication : 2023 Importance : 1 vol (59 f.) Format : 29 cm Langues : Français (fre) Catégories : Physique Mots-clés : Traitement d’images
Apprentissage ProfondIndex. décimale : 530-Physique Résumé :
La segmentation d’images est un domaine prometteur et émergent du traitement d’images,
jouant un rôle essentiel dans de nombreux systèmes de diagnostic médical. Dans cette étude,
nous nous sommes concentrés sur la segmentation précise des vaisseaux rétiniens dans les images
du fond d’œil, qui est cruciale pour le dépistage et le suivi des maladies oculaires.
Nous avons proposé une méthode basée sur l’apprentissage en profondeur utilisant l’architecture U-Net pour améliorer les performances de segmentation, où nous utilisons le prétraitement de l’augmentation des données et l’utilisation du canal vert avec optimisation du contraste
CLAHE sur des bases de données DRIVE et CHASE-DB1 pour entraîner l’architecture U-Net.
Nous avons utilisé Google Colab comme environnement de développement, avec Python
comme langage de programmation. Les résultats expérimentaux ont démontré l’efficacité de
notre approche et ont ouvert des perspectives prometteuses pour l’amélioration de la segmentation des vaisseaux rétiniens en utilisant l’architecture U-Net.
En conclusion, notre étude met en évidence l’importance de la segmentation d’images dans le
domaine de la santé oculaire. Notre méthode basée sur l’apprentissage profond offre des résultats
encourageants, ouvrant la voie à de futures recherches et améliorations dans le domaine de la
segmentation des vaisseaux rétiniens.
Côte titre : MAPH/0602 En ligne : https://drive.google.com/file/d/1QVsoiF1YKR1TacCUaeI4LRqh7RfsnWCV/view?usp=shari [...] Format de la ressource électronique : Segmentation des images du fond d’œil pour l’extraction de l’arbre vasculaire rétinien : méthode à base de l’apprentissage profond [texte imprimé] / Imane Khadidja Abbas, Auteur ; Sarra Zoghbi, Auteur ; Imane Mehidi, Directeur de thèse . - 2023 . - 1 vol (59 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Physique Mots-clés : Traitement d’images
Apprentissage ProfondIndex. décimale : 530-Physique Résumé :
La segmentation d’images est un domaine prometteur et émergent du traitement d’images,
jouant un rôle essentiel dans de nombreux systèmes de diagnostic médical. Dans cette étude,
nous nous sommes concentrés sur la segmentation précise des vaisseaux rétiniens dans les images
du fond d’œil, qui est cruciale pour le dépistage et le suivi des maladies oculaires.
Nous avons proposé une méthode basée sur l’apprentissage en profondeur utilisant l’architecture U-Net pour améliorer les performances de segmentation, où nous utilisons le prétraitement de l’augmentation des données et l’utilisation du canal vert avec optimisation du contraste
CLAHE sur des bases de données DRIVE et CHASE-DB1 pour entraîner l’architecture U-Net.
Nous avons utilisé Google Colab comme environnement de développement, avec Python
comme langage de programmation. Les résultats expérimentaux ont démontré l’efficacité de
notre approche et ont ouvert des perspectives prometteuses pour l’amélioration de la segmentation des vaisseaux rétiniens en utilisant l’architecture U-Net.
En conclusion, notre étude met en évidence l’importance de la segmentation d’images dans le
domaine de la santé oculaire. Notre méthode basée sur l’apprentissage profond offre des résultats
encourageants, ouvrant la voie à de futures recherches et améliorations dans le domaine de la
segmentation des vaisseaux rétiniens.
Côte titre : MAPH/0602 En ligne : https://drive.google.com/file/d/1QVsoiF1YKR1TacCUaeI4LRqh7RfsnWCV/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0602 MAPH/0602 Mémoire Bibliothéque des sciences Français Disponible
Disponible
