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 TailleFormat 
Master's Degree Thesis.pdf6,55 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.