Veuillez utiliser cette adresse pour citer ce document :
http://dspace.univ-bouira.dz:8080/jspui/handle/123456789/12332
Titre: | Semantic segmentation of medical images using deep learning |
Auteur(s): | Abidat, Mohamed Lachemat, Houssam Eddine Othman |
Mots-clés: | segmentation semantique ; resonance magnetique tumeurs cerebrales ; neurones convolutifs. |
Date de publication: | 2021 |
Editeur: | université akli mohand oulhadj-bouira |
Résumé: | La segmentation s emantique est une t^ache de vision par ordinateur qui consid ere les objets de la m^eme classe comme une seule entit e. elle a un large domaine d'applications telles que la conduite autonome, l'identi cation automatique des tissus pathologiques et plus encore . . . Nous nous concentrerons sur le probl eme de segmentation des tumeurs c er ebrales qui est consid er e comme l'un des probl emes de segmentation les plus di ciles dans le domaine m edical. o u nous voyons qu'un syst eme de segmentation automatique des tumeurs c er ebrales peut aider a surmonter ces di cult es. Dans cette etude, nous nous e or cons de proposer un syst eme de segmentation automatique des tumeurs c er ebrales bas e sur l'imagerie par r esonance magn etique (IRM). o u nous comptons sur les r eseaux de neurones convolutifs (CNN) pour construire nos syst emes. Nous avons propos e trois approches di erentes pour BraTS20 et deux approches pour BraTS17. Ces mod eles ont et e evalu es a l'aide de la fonction de score aux d es. |
URI/URL: | http://dspace.univ-bouira.dz:8080/jspui/handle/123456789/12332 |
Collection(s) : | Mémoires Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
Master's Degree Thesis.pdf | 6,55 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.