Dépôt Institutionnel de l'Université BBA

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

Afficher la notice abrégée

dc.contributor.author BAHNES Sara
dc.contributor.author AMRI Ahlam
dc.date.accessioned 2023-10-03T08:42:23Z
dc.date.available 2023-10-03T08:42:23Z
dc.date.issued 2023
dc.identifier.issn MM/774
dc.identifier.uri https://dspace.univ-bba.dz:443/xmlui/handle/123456789/4016
dc.description.abstract Le 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 images en_US
dc.language.iso fr en_US
dc.publisher UNIVERSITY BBA en_US
dc.subject RM, VGG-19, CNN, Apprentissage en profondeur, Tumeurs cérébrales. en_US
dc.subject IRM, VGG-19, CNN, Deep Learning, Brain Tumors en_US
dc.title Détection des tumeurs cérébrales dans les images IRM par l’apprentissage profond en_US
dc.type Thesis en_US


Fichier(s) constituant ce document

Ce document figure dans la(les) collection(s) suivante(s)

Afficher la notice abrégée

Chercher dans le dépôt


Recherche avancée

Parcourir

Mon compte