| Titre : | Machine Learning For Early Detection Of Breast Cancer |
| Auteurs : | AMINE Khadidja, Auteur ; YAHLALI Mebarka, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université de Saida - Dr Moulay Tahar. Faculté des Sciences. Département de Mathématiques., 2024/2025 |
| Langues: | Anglais |
| Index. décimale : | BUC-M 003777 |
| Catégories : |
Master en informatique Speciality : Computer Modeling of Knowledge and Reasoning |
| Mots-clés: | الكلماتالمفتاحية:التعلمالآلي،التعلمالعميق،الكشفعنسرطانالثدي،التشخيصالمبكر،الصحةالإلكترونية،الشبكاتالعصبيةالاصطناعية،الشبكاتالعصبيةالتلافيفية |
| Résumé : |
ملخص
لايزالسرطانالثدييمثلتحديًاصحيًاكبيرًافيجميعأنحاءالعالم.يُعدالاكتشافالمبكرأمرًاحاسمًالتحسيننتائجالعلاج.تستكشفهذهالدراسةتطبيقتقنياتالتعلمالآليللتشخيصالمبكرلسرطانالثديباستخدامالبياناتالسريريةوالتصويرالطبي.تماقتراحنهجينمتميزين:الشبكةالعصبية%الاصطناعيةلتحليلالبياناتالمجدولةوالشبكةالعصبيةالتلافيفيةلتصنيفالصور.وقدحققنموذجالشبكةالعصبيةالاصطناعيةدقةبنسبة100فيتحديدسرطانالثدي،بينماحققنموذجالشبكةالعصبيةالتلافيفيةدقةبنسبة%90معبياناتالتصوير.تسلطهذهالنتائجالضوءعلىإمكاناتالأدواتالتيتعتمدعلىالذكاءالاصطناعيفيتعزيزدقةالتشخيص.يهدفالعملالمستقبليإلىدمجهذهالنماذجفينظامتشخيصمتعددالوسائطوالتحققمنصحةأدائهاعلىمجموعاتبياناتأكبرومتنوعةلضمانقابليةالتطبيقالسريري Abstract Breast cancer remains a major health challenge world wide. Early detection is crucial for improving treatmentoutcomes.Thisstudyexplorestheapplicationof machinelearning(ML)techniquesforearlybreast cancer diagnosis using clinical data and medical imaging. Two distinct approaches are proposed: an Artificial Neural Network (ANN) for tabular data analysis and a Convolutional Neural Network (CNN) for image classification. The ANN model achieved 100% accuracy in breast cancer identification, while the CNN model attained90% accuracywith imagingdata. These resultshighlightthepotentialofAI-driventools inenhancing diagnostic precision. Future work aims to integrate these models into a multimodal diagnostic system and validate their performance on larger, diverse datasets to ensure clinical applicability. Keywords:MachineLearning,DeepLearning,BreastCancerDetection,EarlyDiagnosis,E-health,Artificial Neural Networks, Convolutional Neural Networks Résumé Lecancerduseinresteunproblèmedesantémajeurdanslemondeentier.Ladétectionprécoceestcruciale pouraméliorerlesrésultatsdestraitements.Cetteétudeexplorel'applicationdestechniques d'apprentissage automatique pour le diagnostic précoce du cancer du sein à l'aide de données cliniques et d'imagerie médicale. Deux approches distinctes sont proposées : un réseau neuronal artificiel (ANN) pour l'analyse des donnéestabulairesetunréseauneuronalconvolutif(CNN) pourlaclassificationdesimages.LemodèleANNa atteint une précision de 100% dans l'identification du cancer du sein, tandis que le modèle CNN a atteint une précision de 90% avec les données d'imagerie. Ces résultats mettent en évidence le potentiel des outilspilotéspar l'IApouraméliorer laprécisiondudiagnostic.Lestravauxfutursvisentàintégrer cesmodèlesdans un système de diagnostic multimodal et à valider leurs performances sur des ensembles de données plus |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 003777 Adobe Acrobat PDF |
