Please use this identifier to cite or link to this item: http://dspace.univ-tiaret.dz:80/handle/123456789/5704
Title: Un modèle de deep learning pour la détection des lésions de COVID-19
Authors: TAIBI, Hanane
BELKHEIR, Maroua
Keywords: Deep Learning, Réseaux de neurones convolutifs, CNN, Covid-19, Image x-rays thoracique, Tensorflow, Keras.
Issue Date: 2022
Publisher: Université Ibn Khaldoun -Tiaret-
Abstract: Les images médicales thoraciques Rayon-X contiennent suffisamment d'informations pour déterminer si le patient est infecté par le virus Corona ou non. Les médecins et les experts dans ce domaine ont adopté cette méthode en raison de la difficulté de mener l'examen de réaction en chaîne polymérisée PCR dans la plupart des cas pour diverses raisons. Le but de ce projet est de concevoir un système intelligent capable de distinguer les images médicales thoraciques afin d'aider les médecins et de détecter automatiquement les cas positifs de Covid-19. Le système proposé permet de classifier une image en deux classes (image d'une personne normale ou image d’une personne infectée par le virus Corona). Notre approche de détection de la maladie de Covid-19 est basée sur le deep learning en particulier sur les réseaux de neurones convolutionnels (CNN), ces réseaux ont prouvés leur capacité ces dernières années en particulier dans le domaine médical, en remportant le premier prix dans diverses compétitions dédiées à la classification des images médicale. Dans ce travail nous avons utilisé trois modèles CNN, chaque modèle à sa propre architecture. Les trois modèles ont donné des résultats satisfaisants en particulier le troisième modèle qui est une amélioration du transfer learning
URI: http://dspace.univ-tiaret.dz:80/handle/123456789/5704
Appears in Collections:Master

Files in This Item:
File Description SizeFormat 
TH.M.INF.FR.2022.17.pdf3,01 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.