Débruitage d'images médicales à faible SNR a l'aide de Réseau CycleGAN

dc.contributor.author	 ABDENNOUR MOULOUD  BELFEROUM AHMED ELZINE
dc.date.accessioned	2022-11-13T09:59:32Z
dc.date.available	2022-11-13T09:59:32Z
dc.date.issued	2022-06-21
dc.identifier.uri	https://dspace.univ-bba.dz:443/xmlui/handle/123456789/2386
dc.description.abstract	Notre travail s’inscrit dans le cadre du problème de débruitage d’images dans un contexte d’apprentissage profond. Nous implémentons deux variantes du réseau antagonistes discriminateurs GAN, à savoir Deep Convolutional GAN (DCGAN) et CycleGAN. Les deux réseaux sont appliqués pour améliorer la qualité des images TEP à faible dose. Pour évaluer les performances des deux réseaux, deux métriques sont pris en considération : le rapport max signal sur bruit (PSNR) et l’indice de similarité structurelle (SSIM) . Les résultats obtenus sont acceptables et prouvent la supériorité du réseau CycleGAN ent termes des deux critères et de la qualité des images obtenus.	en_US
dc.language.iso	fr	en_US
dc.publisher	faculté des sciences et de la technologie univ bba	en_US
dc.relation.ispartofseries	;EL/M/2022/09
dc.title	Débruitage d'images médicales à faible SNR a l'aide de Réseau CycleGAN	en_US
dc.type	Thesis	en_US