Reseaux De Neurone Convolutif Pour La Classification Des Images De Tomographie Par Coherence Optique / Ngwenya Patience 

Public ISBD Titre : Reseaux De Neurone Convolutif Pour La Classification Des Images De Tomographie Par Coherence Optique Type de document : texte imprimé Auteurs : Ngwenya Patience, Auteur ; Dr. Abdallah Benhamouda, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2021 Importance : 67 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible au BUC Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : Réseaux de neurones convolutifs  classification  tomographie par cohérence optique  réseaux pré-entraînés  maladies rétiniennes. Index. décimale : 610 Electronique Résumé : Les Réseaux neuronaux convolutifs (CNN) ont été conçus après le cortex visuel pour modéliser le fonctionnement du cerveau humain dans le traitement de l'information. Ces réseaux sont souvent utilisés en traitement d'images en raison de leur précision. Dans notre travail, nous avons proposé deux modèles CNN pour la classification des images de tomographie par cohérence optique (OCT) rétinienne, puis comparé leurs performances avec deux autres réseaux pré-entraînés, Alex Net et Res Net18. De nombreuses personnes deviennent aveugles à cause du diabète et de la vieillesse et des millions d'examens OCT sont effectués chaque année. Il existe un besoin de traitement rapide des images pour le diagnostic précoce des maladies rétiniennes. Nos modèles se sont très bien comportés par rapport aux deux autres avec un taux de précision très élevé Les résultats obtenus ont montré que le choix du nombre d’époque et la taille de la base d’images ainsi que la profondeur du réseau ont une grande influence pour avoir des meilleurs résultats. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15602 Reseaux De Neurone Convolutif Pour La Classification Des Images De Tomographie Par Coherence Optique [texte imprimé] / Ngwenya Patience, Auteur ; Dr. Abdallah Benhamouda, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2021 . - 67 f. ; 30 cm. Une copie electronique PDF disponible au BUC Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : Réseaux de neurones convolutifs  classification  tomographie par cohérence optique  réseaux pré-entraînés  maladies rétiniennes. Index. décimale : 610 Electronique Résumé : Les Réseaux neuronaux convolutifs (CNN) ont été conçus après le cortex visuel pour modéliser le fonctionnement du cerveau humain dans le traitement de l'information. Ces réseaux sont souvent utilisés en traitement d'images en raison de leur précision. Dans notre travail, nous avons proposé deux modèles CNN pour la classification des images de tomographie par cohérence optique (OCT) rétinienne, puis comparé leurs performances avec deux autres réseaux pré-entraînés, Alex Net et Res Net18. De nombreuses personnes deviennent aveugles à cause du diabète et de la vieillesse et des millions d'examens OCT sont effectués chaque année. Il existe un besoin de traitement rapide des images pour le diagnostic précoce des maladies rétiniennes. Nos modèles se sont très bien comportés par rapport aux deux autres avec un taux de précision très élevé Les résultats obtenus ont montré que le choix du nombre d’époque et la taille de la base d’images ainsi que la profondeur du réseau ont une grande influence pour avoir des meilleurs résultats. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15602

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSELE210070	MSELE210070	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

fichier integral Adobe Acrobat PDF

---

1 (1 - 1 / 1)