Object Detection Using YOLO: Applications to Medical Images
| dc.contributor.author | SOUIHER Mohammed EL Amine | |
| dc.contributor.author | NOUFEL Zakaria | |
| dc.date.accessioned | 2026-11-03T08:49:48Z | |
| dc.date.issued | 2026-09-26 | |
| dc.description.abstract | Ce mémoire porte sur la mise en oeuvre et l’évaluation de modèles légers de détection d’objets pour l’analyse d’images médicales. Deux jeux de données, BUSI et Figshare, ont été préparés pour évaluer trois modèles YOLO : YOLOv8n, YOLO11n et YOLO26n. Les modèles CNN et VGG16 ont également été utilisés pour la localisation des lésions sur BUSI et comparés aux modèles YOLO. Les résultats montrent que les modèles étudiés peuvent détecter et localiser les lésions et les tumeurs dans les deux jeux de données. Parmi les modèles YOLO, YOLO26n a obtenu les meilleurs résultats globaux. Les modèles légers sont également adaptés aux applications liées aux systèmes embarqués. | |
| dc.identifier.uri | https://dspace.univ-bba.dz/handle/123456789/1818 | |
| dc.language.iso | en | |
| dc.publisher | Faculté des sciences et de la technologie université de Bordj Bou Arreridj | |
| dc.relation.ispartofseries | Département d'Electronique; EL/M/2026/24 | |
| dc.subject | YOLO | |
| dc.subject | détection d’objets | |
| dc.subject | images médicales | |
| dc.subject | apprentissage profond | |
| dc.subject | localisation des lésions | |
| dc.subject | systèmes embarqués. | |
| dc.title | Object Detection Using YOLO: Applications to Medical Images | |
| dc.type | Thesis |