Dépôt Institutionnel de l'Université BBA

Classification Des IRM Cérébrales Pathologique Avec SVM Optimisé

Afficher la notice abrégée

dc.contributor.author AZZA MOHAMMED ELAMIN
dc.contributor.author MEKKAS LYES
dc.date.accessioned 2023-09-18T08:13:24Z
dc.date.available 2023-09-18T08:13:24Z
dc.date.issued 2023
dc.identifier.issn MM/744
dc.identifier.uri https://dspace.univ-bba.dz:443/xmlui/handle/123456789/3902
dc.description.abstract L'imagerie par résonance magnétique (IRM) est largement utilisée pour l'évaluation des tumeurs cérébrales, fournissant des images détaillées de la structure et de l'activité du cerveau. Les techniques d'intelligence artificielle (IA) et d'apprentissage automatique, telles que les machines à vecteurs de support (SVM) et les caractéristiques Histogramme des Gradients Orientés (HOG), ont montré leur efficacité dans l'amélioration de la détection des tumeurs. Cette recherche explore des méthodes avancées, notamment l'optimisation des SVM à l'aide de l'optimisation par essaim de particules (PSO) et l'extraction optimisée des caractéristiques HOG. L'objectif est de développer un outil automatisé pour la détection précise et efficace des tumeurs cérébrales. L'intégration de l'optimisation des SVM basée sur le PSO et de l'extraction des caractéristiques HOG raffinée vise à améliorer la précision diagnostique et les résultats des patients dans la prise en charge des tumeurs cérébrale Magnetic Resonance Imaging (MRI) is widely used for brain tumor evaluation, providing detailed images of brain structure and activity. AI and machine learning techniques, such as Support Vector Machines (SVM) and Histogram of Oriented Gradients (HOG) features, have shown promise in improving tumor detection. This research explores advanced methods, including SVM optimization using Particle Swarm Optimization (PSO) and optimized HOG feature extraction. The goal is to develop an automated tool for accurate and efficient brain tumor detection. The integration of PSO-based SVM optimization and refined HOG feature extraction aims to enhance diagnostic accuracy and improve patient outcomes in brain tumor detection ملخص : يستخذو انتصويش بانشنين ان غًناطيسي ) MRI ( عهى نطاق واسع نتمييى وسو اندذيا، ي دًا يدو ش دوسا يفصده نننيد اندذيا، ونشداط أ هرتددشن امنيددان انددزناع او ددطناعي وانددت هى الآنددي يثددم ييددآان اون ان تً تددان انذاع دًد ) SVM ( وييددآان انشسددى اننيداني نهتدذستان ان وًتتد ) HOG ( هنتدا امنيدان واعدذ دي انسدين انتشدا و انذيدذ الأوساو انذياغيد أ يستكشده ادزا اننند الأسانيب ان تًمذيد ب دًا دي رندت انسدين SVM باسدتخذاو انسدين دشدذ ان سدي اًن ) PSO ( واسدتخشا ييدآ HOG ان نًسّدنأ انتذ او اطويش هدا اني نهكشه انذليك وانف ال عن وسو انذيا،أ يتذ ديج انسين SVM انمائى عهى PSO واستخشا ييدآ HOG ان كًشس إنى ا آيآ دل انتشخيص وانسين نتائج ان شًضى ي اشخيص وانذيذ الأوساو انذياغي أ en_US
dc.language.iso fr en_US
dc.publisher UNIVERSITY BBA en_US
dc.subject IRM; tumeurs cérébrales; extraction de caractéristiques; optimisation; classification en_US
dc.subject MRI ; brain tumors; feature extraction; optimization; classification. en_US
dc.subject RI ؛ هوساو انذيا،؛ ييآ استخشا ؛ انسين؛ اصنيهأ en_US
dc.title Classification Des IRM Cérébrales Pathologique Avec SVM Optimisé en_US
dc.type Thesis en_US


Fichier(s) constituant ce document

Ce document figure dans la(les) collection(s) suivante(s)

Afficher la notice abrégée

Chercher dans le dépôt


Parcourir

Mon compte