Détection des tumeurs cérébrales dans les images IRM par l’apprentissage profond

dc.contributor.authorBAHNES Sara
dc.contributor.authorAMRI Ahlam
dc.date.accessioned2023-10-03T08:42:23Z
dc.date.available2023-10-03T08:42:23Z
dc.date.issued2023
dc.description.abstractLe traitement des images médicales est un processus très important pour diagnostiquer n’importe quelle maladie de nos jours. Dans cette étude, nous proposons une détection automatique des tumeurs cérébrales à partir des images par résonance magnétique (IRM) en utilisant le modèle d’apprentissage en profondeur VGG19. Notre solution proposée repose sur l’utilisation de VGG19, un réseau neuronal à convolution (CNN), pour extraire des caractéristiques discriminantes à partir des images IRM. Ces caractéristiques sont ensuite utilisées pour la détection des tumeurs cérébrales. L’ensemble de données utilisé dans cette étude est constitué d’image IRM qui contient des tumeurs. Notre proposition a été évaluée en comparaison avec d’autres approches, en utilisant des mesures telles que accuracy , la précision, le rappel et le score F1. Le modèle VGG19 proposé a atteint une accuracy de détection de 95%, démontrant ainsi son efficacité dans la détection des tumeurs cérébrales à partir d’images IRM. Ces résultats mettent en évidence le potentiel de l’apprentissage en profondeur et du modèle VGG19 dans l’amélioration de la détection précoce et précise des tumeurs cérébrales à partir d’image IRM. The processing of medical images is a very important process for diagnosing any disease these days. In this study, we propose an automatic detection of brain tumors from magnetic resonance imaging (MRI) images using the VGG19 deep learning model. Our proposed solution relies on utilizing VGG19, a convolutional neural network (CNN), to extract discriminative features from MRI images. These features are then used for detection of brain tumors. The dataset used in this study consists of MRI images that contain both tumor and non-tumor cases. Our proposal was evaluated in comparison with other approaches, using metrics such as accuracy, precision, recall, and F1 score. The proposed VGG19 model achieved a detection accuracy of 95%, thereby demonstrating its effectiveness in detecting brain tumors from MRI images. These promising results highlight the potential of deep learning and the VGG19 model in enhancing early and accurate detection of brain tumors from MRI imagesen_US
dc.identifier.issnMM/774
dc.identifier.urihttp://10.10.1.6:4000/handle/123456789/4016
dc.language.isofren_US
dc.publisherUNIVERSITY BBAen_US
dc.subjectRM, VGG-19, CNN, Apprentissage en profondeur, Tumeurs cérébrales.en_US
dc.subjectIRM, VGG-19, CNN, Deep Learning, Brain Tumorsen_US
dc.titleDétection des tumeurs cérébrales dans les images IRM par l’apprentissage profonden_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
memoire corregie.pdf
Size:
2.71 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 to upon submission
Description: