Segmentation Des Images Irm Cérébrales Par Apprentissage Profond
Résumé: L'Imagerie par résonance magnétique L'IRM est l'une des techniques d'imagerie médicale les plus récentes, qui permet d'observer la structure des tissus dans différents plans de l'espace et la position exacte des lésions invisibles. Dans ce travail, nous nous concentrons sur l'utilisation de l'apprentissage profond et des réseaux de neurones convolutifs (CNN) pour la segmentation précise des tumeurs gliomateuses dans des images IRM cérébrales. En particulier, nous avons appliqué trois différentes architectures pour l'étape d'apprentissage, cette phase est appliqué sur une base de données étiquetée BraTS [14].Pour cela, nous avons utilisé Matlab 2019 compatible avec un GPU. Nous avons utilisé différentes couches pour former nos architectures (couche convolutive, couche pooling, couche rectification, couche déconvolutionnelle et couche perte…) et pour réaliser une segmentation sémantique. Nous avons utilisé le coefficient de Dice pour comparer les résultats obtenus. Les résultats obtenus ont montré que le choix du numéro d'époque a une grande influence et une grande importance sur les résultats de la segmentation.
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".
