Apprentissage Profond Pour La Détection Des Tumeurs Cérébrales.
Résumé: ce mémoire explore une approche basé sur l'apprentissage profond pour la détection des tumeurs cérébrales à partir d'images IRM. Principalement, nous proposons deux contributions : un modèle de détection de tumeurs basé sur un CNN et un modèle de segmentation de tumeurs utilisant l'architecture U-Net avec apprentissage par transfert. Pour la détection de tumeurs, notre CNN a atteint une précision de 99,5 %, une perte de 2,7 % et un score F1 de 99,09 %. Pour la segmentation de tumeurs, notre modèle U-Net a atteint une précision de 97,13 %, et une perte de 1,8 %. Nos résultats démontrent l'efficacité de notre approche pour détecter avec précision la présence de tumeurs cérébrales et délimiter de manière fiable leurs contours.
Mots-clès:
Nos services universitaires et académiques
Thèses-Algérie vous propose ses divers services d’édition: mise en page, révision, correction, traduction, analyse du plagiat, ainsi que la réalisation des supports graphiques et de présentation (Slideshows).
Obtenez dès à présent et en toute facilité votre devis gratuit et une estimation de la durée de réalisation et bénéficiez d'une qualité de travail irréprochable et d'un temps de livraison imbattable!
Aucun fichier associé
Si le fichier est volumineux, l'affichage peut échouer. Vous pouvez obtenir le fichier directement en cliquant sur le bouton "Télécharger".
