Débruitage d'images médicales à faible SNR a l'aide de Réseau CycleGAN
| dc.contributor.author | ABDENNOUR MOULOUD BELFEROUM AHMED ELZINE | |
| dc.date.accessioned | 2022-11-13T09:59:32Z | |
| dc.date.available | 2022-11-13T09:59:32Z | |
| dc.date.issued | 2022-06-21 | |
| dc.description.abstract | Notre travail s’inscrit dans le cadre du problème de débruitage d’images dans un contexte d’apprentissage profond. Nous implémentons deux variantes du réseau antagonistes discriminateurs GAN, à savoir Deep Convolutional GAN (DCGAN) et CycleGAN. Les deux réseaux sont appliqués pour améliorer la qualité des images TEP à faible dose. Pour évaluer les performances des deux réseaux, deux métriques sont pris en considération : le rapport max signal sur bruit (PSNR) et l’indice de similarité structurelle (SSIM) . Les résultats obtenus sont acceptables et prouvent la supériorité du réseau CycleGAN ent termes des deux critères et de la qualité des images obtenus. | en_US |
| dc.identifier.uri | http://10.10.1.6:4000/handle/123456789/2386 | |
| dc.language.iso | fr | en_US |
| dc.publisher | faculté des sciences et de la technologie univ bba | en_US |
| dc.relation.ispartofseries | ;EL/M/2022/09 | |
| dc.title | Débruitage d'images médicales à faible SNR a l'aide de Réseau CycleGAN | en_US |
| dc.type | Thesis | en_US |