Veuillez utiliser cette adresse pour citer ce document :
http://dspace.univ-tiaret.dz:80/handle/123456789/13483| Titre: | Etude Comparative des CNNs et de L’algorithme K-NN en mammographie |
| Auteur(s): | NOUKAS, OUM-HANI |
| Mots-clés: | Détection des tumeurs du sein Mobilenet Imagerie par rayons Machine Learning |
| Date de publication: | jui-2023 |
| Editeur: | Université Ibn Khaldoun |
| Résumé: | Dans ce projet, nous nous intéressons a la mammographie pour détecter les nomalies/tumeurs (l’objectif du projet est de mettre en oeuvre un algorithme d’apprentissage profond (CNN) et l’algorithme d’apprentissage automatique (k-nn) nous permet de détecter des anomalies dans l’image mammographie. Afin d’atteindre notre objectif, nous avons étudié tous les algorithmes utilises pour classer les images, nous avons sélectionné les plus importants et efficaces dans la littérature. Pour les mettre en oeuvre, nous avons utilisé des techniques d’apprentissage profond pour détecter les mammographies. Nous avons applique quatre modèles (vgg-16, vgg-19, mobilenet, densenet). Nous avons applique un modèle k-nn qui a obtenu des résultats et tous les résultats ont ete compares |
| Description: | In this project, we focus on mammography to detect abnormalities/tumors (the objective of the project is to implement a deep learning algorithm (cnn) and the machine learning algorithm (k-nn) allows us to detect anomalies in the mammographic image. In order to reach our goal, we studied all the algorithms used to classify images, we selected the most important and effective ones in the literature. To implement them, we used deep learning techniques to detect mammograms. We applied four models (vgg-16, vgg-19, mobilenet, densenet). We applied a k-nn model which obtained results and all results were compared |
| URI/URL: | http://dspace.univ-tiaret.dz:80/handle/123456789/13483 |
| Collection(s) : | Master |
Fichier(s) constituant ce document :
| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| TH.M.INF.2023.36.pdf | 3,55 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.