Classification Des IRM Cérébrales Pathologique Avec SVM Optimisé

dc.contributor.authorAZZA MOHAMMED ELAMIN
dc.contributor.authorMEKKAS LYES
dc.date.accessioned2023-09-18T08:13:24Z
dc.date.available2023-09-18T08:13:24Z
dc.date.issued2023
dc.description.abstractL'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 أen_US
dc.identifier.issnMM/744
dc.identifier.urihttp://10.10.1.6:4000/handle/123456789/3902
dc.language.isofren_US
dc.publisherUNIVERSITY BBAen_US
dc.subjectIRM; tumeurs cérébrales; extraction de caractéristiques; optimisation; classificationen_US
dc.subjectMRI ; brain tumors; feature extraction; optimization; classification.en_US
dc.subjectRI ؛ هوساو انذيا،؛ ييآ استخشا ؛ انسين؛ اصنيهأen_US
dc.titleClassification Des IRM Cérébrales Pathologique Avec SVM Optimiséen_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
rapport final.pdf
Size:
4.22 MB
Format:
Adobe Portable Document Format
Description:
Thumbnail Image
Name:
rapport final.pdf
Size:
4.22 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: