Object Detection Using YOLO: Applications to Medical Images

dc.contributor.authorSOUIHER Mohammed EL Amine
dc.contributor.authorNOUFEL Zakaria
dc.date.accessioned2026-11-03T08:49:48Z
dc.date.issued2026-09-26
dc.description.abstractCe 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.urihttps://dspace.univ-bba.dz/handle/123456789/1818
dc.language.isoen
dc.publisherFaculté des sciences et de la technologie université de Bordj Bou Arreridj
dc.relation.ispartofseriesDépartement d'Electronique; EL/M/2026/24
dc.subjectYOLO
dc.subjectdétection d’objets
dc.subjectimages médicales
dc.subjectapprentissage profond
dc.subjectlocalisation des lésions
dc.subjectsystèmes embarqués.
dc.titleObject Detection Using YOLO: Applications to Medical Images
dc.typeThesis

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
Thesis_Finall (2).pdf
Size:
4.42 MB
Format:
Adobe Portable Document Format

License bundle

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