Documents disponibles écrits par cet auteur

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