| Titre : | Deep learning pour la segmentation automatique en imagerie multi malade ; application a l'onglogie hepatique |
| Auteurs : | Adjir noureddine, Directeur de thèse ; Boufenik doua, Auteur ; Aouimeur miloud, Auteur |
| Type de document : | texte imprimé |
| Editeur : | univ DR taher moulay saida, 2022-2023 |
| ISBN/ISSN/EAN : | TECT03085 |
| Format : | 58 p / ill / 29 cm |
| Accompagnement : | CD |
| Langues: | Français |
| Mots-clés: | segmentation, imagerie multi-modale, apprentissage automa- tique, apprentissage profond, U-Net, CHAOS, réseaux neuronaux artificiels. |
| Résumé : |
Ce Mémoire se concentre sur la segmentation en imagerie multi-modale.
En utilisant les techniques de l’apprentissage profond, et présente la mise en œuvre des modèle U-Net . Il décrit également l’ensemble de données utilisé pour le défi CHAOS, qui implique la segmentation des organes abdominaux à l’aide d’images de tomodensitométrie (CT) et d’IRM. De plus, il donne un aperçu des environnements de programmation, des outils et des bibliothèques utilisés pour la mise en œuvre. Le document se termine par une discussion sur les différentes méthodes d’apprentissage automatique, y compris les réseaux neuronaux artificiels |
| Note de contenu : |
-Diagnostique de L’oncologie hépatique
-La segmentation en imagerie multi-modale -Implémentation du modèles U-Net |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
Deep learning pour la segmentation automatique en imagerie multi malade ; application a l'onglogie hepatique Adobe Acrobat PDF |
