Veuillez utiliser cette adresse pour citer ce document :
http://dspace1.univ-tlemcen.dz/handle/112/23329
Titre: | Aide au diagnostic pour la Détection automatique de la Maladie de L’Alzheimer |
Auteur(s): | Doubba, Ilyes Morsli, Hend |
Mots-clés: | Maladie d'Alzheimer, Apprentissage profond, IRM, Plateforme KAGGLE, Détection automatique. |
Date de publication: | jui-2024 |
Editeur: | University of Tlemcen |
Collection/Numéro: | 2642 inventaire; |
Résumé: | La maladie d’Alzheimer est une maladie qui affecte les neurones ainsi que les cellules du cerveau en entrainant la perte de certaines fonctions du cerveau. Pour cette raison, le diagnostic précoce de cette maladie est une bonne initiative afin d’offrir une meilleure qualité de vie pour les patients ainsi que leurs entourage. Dans cette étude, nous avons proposé un algorithme pour la détection automatique de cette maladie en utilisant les modèles d’apprentissage profond notamment VGG16 et VGG19 appliquées sur la base de données Alzheimer disponible sur la plateforme "KAGGLE". Ainsi, ces modèles sont appliqués pour distinguer entre un cas normal et un cas Alzheimer d’une part, et d’autre part différencier entre un cas sain et chaque stade de la maladie c’est-à-dire une classification binaire entre : normal vs stade1, normal vs stade2 et normal vs stade3. Les résultats obtenus sont prometteurs et montrent que la classification classe vs classe dépasse la classification entre un cas normal et un cas Alzheimer |
URI/URL: | http://dspace1.univ-tlemcen.dz/handle/112/23329 |
Collection(s) : | Master en Génie Biomedical |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
Aide_au_diagnostic_pour_la_Detection_automatique_de_la_Maladie_de_L_Alzheimer.pdf | 1,69 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.