Repository logo
 

Détection et Classification des Tumeurs par Imagerie Médicale : Une Approche Basée sur l’Apprentissage Automatique.

dc.contributor.authorHammad, Moussa / Khediri, Abdelhafid / Encadre par Houam, Lotfi
dc.date.accessioned2023-01-30T08:35:20Z
dc.date.available2023-01-30T08:35:20Z
dc.date.issued2022-06-13
dc.description.abstractL’imagerie par résonance magnétique (IRM) est une technique d’imagerie utilisée pour diagnostiquer les tumeurs cérébrales. Le diagnostic précoce des tumeurs cérébrales est une tâche essentielle dans le travail médical pour savoir si une tumeur peut devenir cancéreuse. L’apprentissage automatique est un moyen simple et efficace de classer les images. L’apprentissage automatique a été largement appliqué dans divers domaines, y compris l’imagerie médicale, car son application ne nécessite pas la fiabilité d’un expert dans le domaine concerné, mais nécessite la quantité de données et diverses données pour produire de bons résultats de classification. pour effectuer la classification d’images, en utilisez deux méthodes de classifications SVM et Kmeans.en_US
dc.description.provenanceSubmitted by Tom User (dspacest@univ-tebessa.dz) on 2023-01-30T08:35:20Z No. of bitstreams: 1 La commande par mode glissant basée sur la technique de réseau de neurones.pdf: 6607850 bytes, checksum: 44d542fa02eb373ead7ec8c7906e6f15 (MD5)en
dc.description.provenanceMade available in DSpace on 2023-01-30T08:35:20Z (GMT). No. of bitstreams: 1 La commande par mode glissant basée sur la technique de réseau de neurones.pdf: 6607850 bytes, checksum: 44d542fa02eb373ead7ec8c7906e6f15 (MD5) Previous issue date: 2022-06-13en
dc.identifier.urihttp//localhost:8080/jspui/handle/123456789/7200
dc.language.isofren_US
dc.subjectImagerie Médicale, IRM, Segmentation d’image , SVM, Kmeansen_US
dc.titleDétection et Classification des Tumeurs par Imagerie Médicale : Une Approche Basée sur l’Apprentissage Automatique.en_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Détection et Classification des Tumeurs par.pdf
Size:
8.25 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: