Conception of a Multi-Sensor Embedded System for Autonomous Driving / LACHACHI Mohammed Yazid 

Public ISBD Titre : Conception of a Multi-Sensor Embedded System for Autonomous Driving Type de document : texte imprimé Auteurs : LACHACHI Mohammed Yazid, Auteur Année de publication : 2022-2023 Accompagnement : CD Langues : Français (fre) Catégories : Electronique:Electronique Biomédicale et Systèmes Embarqués Mots-clés : Vision par Ordinateur, apprentissage par machine, extraction de route Résumé : La détection de route est l’une des taches les plus importantes que doivent accomplir les systèmes embarques des véhicules autonomes. Car l’espace navigable doit être détecte avec une grande précision, et avec la contrainte de courir a 10 fois par seconde. Lorsque nous prenons en compte les conditions météorologiques, l’état de la route, le type de route et le marquage routier comme variables, la tache devient plus compliquée et lourde à exécuter. Pour réduire la complexité de la tache et améliorer sa robustesse, nous avons développe une nouvelle approche qui fusionne des images de camera avec des nuages de points LIDAR. Nous avons commence par développer une méthode d’infographie qui génère une représentation semblable a une image a partir du nuage de points LIDAR qui tire pleinement parti de l’unité de traitement graphique. Ensuite, ces représentations sont augmentées avec l’image de la camera et transmises a notre couche de fusion CNN proposée qui fonctionne de manière proche d’autres approches de fusion plus lourdes. Notre travail a atteint des résultats de pointe tout en réduisant la complexité de l’architecture, ainsi que Celle des calculs, la rapprochant du monde réel. Directeur de thèse : OUSLIM Mohamed Conception of a Multi-Sensor Embedded System for Autonomous Driving [texte imprimé] / LACHACHI Mohammed Yazid, Auteur . - 2022-2023 . -  + CD. Langues : Français (fre) Catégories : Electronique:Electronique Biomédicale et Systèmes Embarqués Mots-clés : Vision par Ordinateur, apprentissage par machine, extraction de route Résumé : La détection de route est l’une des taches les plus importantes que doivent accomplir les systèmes embarques des véhicules autonomes. Car l’espace navigable doit être détecte avec une grande précision, et avec la contrainte de courir a 10 fois par seconde. Lorsque nous prenons en compte les conditions météorologiques, l’état de la route, le type de route et le marquage routier comme variables, la tache devient plus compliquée et lourde à exécuter. Pour réduire la complexité de la tache et améliorer sa robustesse, nous avons développe une nouvelle approche qui fusionne des images de camera avec des nuages de points LIDAR. Nous avons commence par développer une méthode d’infographie qui génère une représentation semblable a une image a partir du nuage de points LIDAR qui tire pleinement parti de l’unité de traitement graphique. Ensuite, ces représentations sont augmentées avec l’image de la camera et transmises a notre couche de fusion CNN proposée qui fonctionne de manière proche d’autres approches de fusion plus lourdes. Notre travail a atteint des résultats de pointe tout en réduisant la complexité de l’architecture, ainsi que Celle des calculs, la rapprochant du monde réel. Directeur de thèse : OUSLIM Mohamed

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
9040	02-09-634	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-09-634.pdf Adobe Acrobat PDF

Conception d’une technique de détection d’anomalie en imagerie médicale avec implémentation sur un système embarqué. / CHEBBAH Nabil Karim 

Public ISBD Titre : Conception d’une technique de détection d’anomalie en imagerie médicale avec implémentation sur un système embarqué. Type de document : texte imprimé Auteurs : CHEBBAH Nabil Karim, Auteur Année de publication : 2022-2023 Accompagnement : CD Langues : Français (fre) Catégories : Electronique:Electronique Biomédicale et Systèmes Embarqués Mots-clés : Thermographie mammaire, Système de diagnostic médical assisté par ordinateur, Apprentissage en profondeur, Raspberry Pi, Cloud Computing. Breast thermography, Computer-assisted medical diagnosis system, Deep learning, Raspberry Pi, Cloud Computing. Résumé : Le cancer du sein est considéré actuellement comme l'une des principales causes de décès par cancer chez les femmes. L'amélioration des outils de dépistage pour la détection précoce de ce cancer est essentielle afin de permettre aux femmes atteintes de commencer à le traiter à temps et éviter par conséquent des complications qui peuvent amener au décès. Plusieurs techniques existent pour détecter et diagnostiquer le cancer du sein. L'une de ces techniques est la thermographie mammaire qui est non ionisante, non invasive et capable de détecter les anomalies mammaires à un stade précoce. Dans cette thèse, nous proposons un nouveau système de diagnostic assisté par ordinateur basé sur la thermographie et l'intelligence artificielle pour aider les radiologues à diagnostiquer correctement les maladies du sein. Des images infrarouges du sein collectées à partir d'une base de données open source ont été utilisées pour alimenter un algorithme d'apprentissage en profondeur pour la segmentation automatique des thermogrammes mammaires. L'évaluation de la texture et l'analyse du réseau vasculaire sont effectuées sur les thermogrammes segmentés pour extraire les caractéristiques pertinentes. Des classificateurs basés sur des algorithmes d'apprentissage supervisé sont mis en œuvre à l'aide des caractéristiques extraites pour distinguer les thermogrammes normaux des anormaux. Le système développé est finalement mis en œuvre sur une plate-forme embarquée Raspberry pi 4 utilisant le service de "Cloud Computing" comme solution d'accélération matérielle. Breast cancer is today one of the leading causes of women cancer death. Improving screening tools for the early detection of breast cancer is essential to enable women with breast cancer to start curing it in time and therefore avoid complications that can lead to death. There are currently different techniques for detecting and diagnosing breast cancer. One of these techniques is breast thermography which is non-ionizing, non-invasive and able to detect breast abnormalities at an early stage. In this thesis, we propose a novel computer-assisted diagnosis system based on thermography and artificial intelligence to help radiologists correctly diagnose breast diseases. Infrared images of the breast collected from an open source database fed a deep learning algorithm for automatic segmentation of breast thermograms. Texture assessment and vascular network analysis are performed on the segmented thermograms to extract relevant features. Classifiers based on supervised learning algorithms are implemented using the extracted features to distinguish normal from abnormal thermograms. The developed system is finally implemented on a Raspberry pi 4 embedded platform using the cloud computing service as a hardware acceleration solution. Directeur de thèse : OUSLIM Mohamed Conception d’une technique de détection d’anomalie en imagerie médicale avec implémentation sur un système embarqué. [texte imprimé] / CHEBBAH Nabil Karim, Auteur . - 2022-2023 . -  + CD. Langues : Français (fre) Catégories : Electronique:Electronique Biomédicale et Systèmes Embarqués Mots-clés : Thermographie mammaire, Système de diagnostic médical assisté par ordinateur, Apprentissage en profondeur, Raspberry Pi, Cloud Computing. Breast thermography, Computer-assisted medical diagnosis system, Deep learning, Raspberry Pi, Cloud Computing. Résumé : Le cancer du sein est considéré actuellement comme l'une des principales causes de décès par cancer chez les femmes. L'amélioration des outils de dépistage pour la détection précoce de ce cancer est essentielle afin de permettre aux femmes atteintes de commencer à le traiter à temps et éviter par conséquent des complications qui peuvent amener au décès. Plusieurs techniques existent pour détecter et diagnostiquer le cancer du sein. L'une de ces techniques est la thermographie mammaire qui est non ionisante, non invasive et capable de détecter les anomalies mammaires à un stade précoce. Dans cette thèse, nous proposons un nouveau système de diagnostic assisté par ordinateur basé sur la thermographie et l'intelligence artificielle pour aider les radiologues à diagnostiquer correctement les maladies du sein. Des images infrarouges du sein collectées à partir d'une base de données open source ont été utilisées pour alimenter un algorithme d'apprentissage en profondeur pour la segmentation automatique des thermogrammes mammaires. L'évaluation de la texture et l'analyse du réseau vasculaire sont effectuées sur les thermogrammes segmentés pour extraire les caractéristiques pertinentes. Des classificateurs basés sur des algorithmes d'apprentissage supervisé sont mis en œuvre à l'aide des caractéristiques extraites pour distinguer les thermogrammes normaux des anormaux. Le système développé est finalement mis en œuvre sur une plate-forme embarquée Raspberry pi 4 utilisant le service de "Cloud Computing" comme solution d'accélération matérielle. Breast cancer is today one of the leading causes of women cancer death. Improving screening tools for the early detection of breast cancer is essential to enable women with breast cancer to start curing it in time and therefore avoid complications that can lead to death. There are currently different techniques for detecting and diagnosing breast cancer. One of these techniques is breast thermography which is non-ionizing, non-invasive and able to detect breast abnormalities at an early stage. In this thesis, we propose a novel computer-assisted diagnosis system based on thermography and artificial intelligence to help radiologists correctly diagnose breast diseases. Infrared images of the breast collected from an open source database fed a deep learning algorithm for automatic segmentation of breast thermograms. Texture assessment and vascular network analysis are performed on the segmented thermograms to extract relevant features. Classifiers based on supervised learning algorithms are implemented using the extracted features to distinguish normal from abnormal thermograms. The developed system is finally implemented on a Raspberry pi 4 embedded platform using the cloud computing service as a hardware acceleration solution. Directeur de thèse : OUSLIM Mohamed

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
9005	02-09-629	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-09-629.pdf Adobe Acrobat PDF

Développement et réalisation d’une plateforme médicale en temps réel à base d’un réseau de capteurs sans fils et de l’internet des objets / TEMMAR Ryad 

Public ISBD Titre : Développement et réalisation d’une plateforme médicale en temps réel à base d’un réseau de capteurs sans fils et de l’internet des objets Type de document : document électronique Auteurs : TEMMAR Ryad, Auteur Année de publication : 2018-2019 Importance : 174 p. Accompagnement : CD Langues : Français (fre) Catégories : Electronique:Electronique Biomédicale et Systèmes Embarqués Mots-clés : Réseau de capteurs sans fil  temps réel  télémédecine  Internet des objets. Résumé : Ces dernières années les nouvelles technologies ne cessent de se développer notamment les domaines des réseaux de capteurs sans fil et de l’internet des objets. Impactant ainsi plusieurs secteurs comme le commerce, l’éduction, l’environnement et le médical. L’impact sur le domaine médical a donné naissance à un nouvel axe de recherche et de développement qui est le domaine de la télémédecine. Cette dernière offre de nombreux avantages au médecin et au patient. Puisque Elle permet au médecin de surveiller son patient en particulier dans des zones lointaines et difficiles d’intervenir plus facilement et plus rapidement en cas de problème. Dans cette thèse, on s’est intéressé principalement à la surveillance des patients à distance en utilisant un réseau de capteurs sans fil. Nous avons conçu et réalisé une plateforme médicale réelle. Cette plateforme développée autour de carte PcDuino et basée sur l'idée générale que le patient soit équipé de plusieurs capteurs sur son corps, ces capteurs font l'acquisition des données physiologiques. Ces données seront envoyées en temps réel à travers un réseau de capteurs sans fil jusqu'au collecteur final. Le collecteur transmet les données au serveur pour être visualisées via internet par le médecin. Afin de réaliser pratiquement notre plateforme, nous avons étudié et reproduit les conditions réelles de la transmission de l'ECG comme étant le principal représentant des signaux physiologiques. Par conséquent, on a été confronté à un certain nombre de problèmes survenus lors de l'acquisition réelle et la transmission de l'ECG pour lesquels on a fixé des contraintes ajoutées à celles imposées par le système embarqué utilisé dans notre plateforme. Dans ce travail, on a respecté dans le cas du possible un nombre maximum de ces contraintes. Nous avons proposé des solutions validées et testées à travers plusieurs scénarios pratiques, avec l'objectif d'optimiser le fonctionnement de notre plateforme médicale. Car le problème principal dans la surveillance d'un patient à distance réside dans le fait que ces données physiologiques doivent être acheminées jusqu'au médecin d'une façon optimale, correcte tout en respectant les délais exigés par le médecin. Par conséquent, des compromis ont été établis en relation avec l'application visée. Donnant naissance à une plateforme médicale fonctionnelle et réelle à base de 7 nœuds : 2 PcDuino et 5 Arduino connecté via internet et contrôlé par une interface graphique intelligente. Directeur de thèse : OUSLIM Mohamed Développement et réalisation d’une plateforme médicale en temps réel à base d’un réseau de capteurs sans fils et de l’internet des objets [document électronique] / TEMMAR Ryad, Auteur . - 2018-2019 . - 174 p. + CD. Langues : Français (fre) Catégories : Electronique:Electronique Biomédicale et Systèmes Embarqués Mots-clés : Réseau de capteurs sans fil  temps réel  télémédecine  Internet des objets. Résumé : Ces dernières années les nouvelles technologies ne cessent de se développer notamment les domaines des réseaux de capteurs sans fil et de l’internet des objets. Impactant ainsi plusieurs secteurs comme le commerce, l’éduction, l’environnement et le médical. L’impact sur le domaine médical a donné naissance à un nouvel axe de recherche et de développement qui est le domaine de la télémédecine. Cette dernière offre de nombreux avantages au médecin et au patient. Puisque Elle permet au médecin de surveiller son patient en particulier dans des zones lointaines et difficiles d’intervenir plus facilement et plus rapidement en cas de problème. Dans cette thèse, on s’est intéressé principalement à la surveillance des patients à distance en utilisant un réseau de capteurs sans fil. Nous avons conçu et réalisé une plateforme médicale réelle. Cette plateforme développée autour de carte PcDuino et basée sur l'idée générale que le patient soit équipé de plusieurs capteurs sur son corps, ces capteurs font l'acquisition des données physiologiques. Ces données seront envoyées en temps réel à travers un réseau de capteurs sans fil jusqu'au collecteur final. Le collecteur transmet les données au serveur pour être visualisées via internet par le médecin. Afin de réaliser pratiquement notre plateforme, nous avons étudié et reproduit les conditions réelles de la transmission de l'ECG comme étant le principal représentant des signaux physiologiques. Par conséquent, on a été confronté à un certain nombre de problèmes survenus lors de l'acquisition réelle et la transmission de l'ECG pour lesquels on a fixé des contraintes ajoutées à celles imposées par le système embarqué utilisé dans notre plateforme. Dans ce travail, on a respecté dans le cas du possible un nombre maximum de ces contraintes. Nous avons proposé des solutions validées et testées à travers plusieurs scénarios pratiques, avec l'objectif d'optimiser le fonctionnement de notre plateforme médicale. Car le problème principal dans la surveillance d'un patient à distance réside dans le fait que ces données physiologiques doivent être acheminées jusqu'au médecin d'une façon optimale, correcte tout en respectant les délais exigés par le médecin. Par conséquent, des compromis ont été établis en relation avec l'application visée. Donnant naissance à une plateforme médicale fonctionnelle et réelle à base de 7 nœuds : 2 PcDuino et 5 Arduino connecté via internet et contrôlé par une interface graphique intelligente. Directeur de thèse : OUSLIM Mohamed

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
2597	02-09-573	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-09-573 Adobe Acrobat PDF

Etude, Développement et Conception d’un Biocapteur Glucomètre / AL DHAHERI Mustafa Ayesh Ahmed 

Public ISBD Titre : Etude, Développement et Conception d’un Biocapteur Glucomètre Type de document : document électronique Auteurs : AL DHAHERI Mustafa Ayesh Ahmed, Auteur Année de publication : 2019-2020 Accompagnement : CD Langues : Français (fre) Catégories : Electronique:Electronique Biomédicale et Systèmes Embarqués Mots-clés : Glycémie  Spectroscopie proche infrarouge  Méthode non invasive Blood glucose  Near-infrared spectroscopy  Noninvasive method Résumé : courantes dans le monde et qui nécessite une surveillance continue pour éviter ses complications qui peuvent mettre en danger la santé des malades. Il est nécessaire de développer un système de surveillance non invasif qui évite les risques d’infections causés par les techniques de surveillance invasives. Cette thèse présente une méthode pour développer un capteur non invasif pour prédire la concentration de glucose dans le sang (BGC) en utilisant un capteur optique basée sur une longueur d’onde proche infrarouge (NIR). Un prototype est développé à l’aide d’un capteur de doigt basé sur une LED de 940 nm de longueur d’onde pour recueillir le signal photopléthysmogramme (PPG) qui varie en fonction de la concentration de glucose, un circuit est réalisé pour le prétraitement du signal PPG, ce circuit comprend un amplificateur et des circuits de filtre analogique, un Arduino UNO est utilisé pour la conversion analogique-numérique. Un filtre numérique Butterworth est utilisé pour lisser le signal (PPG), et calculer la valeur moyenne du signal de tension à partir des pics de signal PPG obtenus et l’utiliser comme paramètres d’entrée pour construire le modèle d’étalonnage entre le signal PPG et (BGC) réel basé sur la régression linéaire. L'expérience qui a été réalisée dans ce travail montre que l’erreur quadratique moyenne (RMSE) de la prédiction se situe entre 8,264mg/dL et 13,166 mg/dL, la moyenne de la RMSE étant d’environ 10,44mg/dL avec un coefficient de corrélation (R2) de 0,839, nous avons également observé que la prédiction de la concentration de glucose se trouve dans la région cliniquement acceptable de la grille d'erreur de Clark (CEG). Diabetes is considered one of the life-threatening diseases in the world which needs continuous monitoring to avoid the complication of diabetes. There is a need to develop a non-invasive monitoring system that avoids the risk of infection problems and pain caused by invasive monitoring techniques. This thesis presents a method for developing a noninvasive technique to predict the blood glucose concentration (BGC) based on the Near-infrared (NIR) light sensor. A prototype is developed using a finger sensor based on LED of 940 nm wavelength to collect photoplethysmography (PPG) signal which is variable depending on the glucose concentration, a module circuit to preprocess PPG signals is realized, which includes an amplifier and analog filter circuits, an Arduino UNO is used to analog-to-digital conversion. A digital Butterworth filter is used to smooth the signal (PPG), and calculate the average value of the voltage signal from the obtained PPG signal peaks and use it as input parameters to build the calibration model between the signal (PPG) and value of (BGC) based on linear regression. Experiments show that the Root Mean Squares Error (RMSE) of the prediction is between 8.264mg/dL and 13.166 mg/dL, the average of RMSE is about 10.44mg/dL with a correlation coefficient (R2) of 0.839, it is observed that the prediction of glucose concentration is in the clinically acceptable region of the standard Clark Error Grid (CEG). Directeur de thèse : MEKKAKIA-MAAZA Nasr-Eddine Etude, Développement et Conception d’un Biocapteur Glucomètre [document électronique] / AL DHAHERI Mustafa Ayesh Ahmed, Auteur . - 2019-2020 . -  + CD. Langues : Français (fre) Catégories : Electronique:Electronique Biomédicale et Systèmes Embarqués Mots-clés : Glycémie  Spectroscopie proche infrarouge  Méthode non invasive Blood glucose  Near-infrared spectroscopy  Noninvasive method Résumé : courantes dans le monde et qui nécessite une surveillance continue pour éviter ses complications qui peuvent mettre en danger la santé des malades. Il est nécessaire de développer un système de surveillance non invasif qui évite les risques d’infections causés par les techniques de surveillance invasives. Cette thèse présente une méthode pour développer un capteur non invasif pour prédire la concentration de glucose dans le sang (BGC) en utilisant un capteur optique basée sur une longueur d’onde proche infrarouge (NIR). Un prototype est développé à l’aide d’un capteur de doigt basé sur une LED de 940 nm de longueur d’onde pour recueillir le signal photopléthysmogramme (PPG) qui varie en fonction de la concentration de glucose, un circuit est réalisé pour le prétraitement du signal PPG, ce circuit comprend un amplificateur et des circuits de filtre analogique, un Arduino UNO est utilisé pour la conversion analogique-numérique. Un filtre numérique Butterworth est utilisé pour lisser le signal (PPG), et calculer la valeur moyenne du signal de tension à partir des pics de signal PPG obtenus et l’utiliser comme paramètres d’entrée pour construire le modèle d’étalonnage entre le signal PPG et (BGC) réel basé sur la régression linéaire. L'expérience qui a été réalisée dans ce travail montre que l’erreur quadratique moyenne (RMSE) de la prédiction se situe entre 8,264mg/dL et 13,166 mg/dL, la moyenne de la RMSE étant d’environ 10,44mg/dL avec un coefficient de corrélation (R2) de 0,839, nous avons également observé que la prédiction de la concentration de glucose se trouve dans la région cliniquement acceptable de la grille d'erreur de Clark (CEG). Diabetes is considered one of the life-threatening diseases in the world which needs continuous monitoring to avoid the complication of diabetes. There is a need to develop a non-invasive monitoring system that avoids the risk of infection problems and pain caused by invasive monitoring techniques. This thesis presents a method for developing a noninvasive technique to predict the blood glucose concentration (BGC) based on the Near-infrared (NIR) light sensor. A prototype is developed using a finger sensor based on LED of 940 nm wavelength to collect photoplethysmography (PPG) signal which is variable depending on the glucose concentration, a module circuit to preprocess PPG signals is realized, which includes an amplifier and analog filter circuits, an Arduino UNO is used to analog-to-digital conversion. A digital Butterworth filter is used to smooth the signal (PPG), and calculate the average value of the voltage signal from the obtained PPG signal peaks and use it as input parameters to build the calibration model between the signal (PPG) and value of (BGC) based on linear regression. Experiments show that the Root Mean Squares Error (RMSE) of the prediction is between 8.264mg/dL and 13.166 mg/dL, the average of RMSE is about 10.44mg/dL with a correlation coefficient (R2) of 0.839, it is observed that the prediction of glucose concentration is in the clinically acceptable region of the standard Clark Error Grid (CEG). Directeur de thèse : MEKKAKIA-MAAZA Nasr-Eddine

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
1752	02-09-597	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-09-597.pdf Adobe Acrobat PDF