Please use this identifier to cite or link to this item:
http//localhost:8080/jspui/handle/123456789/1891
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Benmabrouk, Yasmina | - |
dc.date.accessioned | 2022-03-09T09:59:23Z | - |
dc.date.available | 2022-03-09T09:59:23Z | - |
dc.date.issued | 2020 | - |
dc.identifier.uri | http//localhost:8080/jspui/handle/123456789/1891 | - |
dc.description.abstract | Dans le domaine médical, la phase de diagnostic est la plus importante, car l'ensemble du processus de traitement sera basé sur cette étape. Les maladies oncologiques comme le cancer du sein nécessitent une étude anatomopathologique précise accompagnée par des examens complémentaires tels que la coloration immunohistochimiques dont l’inconvénient majeur est la perte du temps et d’efforts dans le traitement manuel des résultats obtenus, ce qui influence négativement sur l’étape de traitement. Dans ce travail notre objectif est d’accélérer et donner plus de précision dans le processus d’immunohistochimie par un traitement automatique. Ce dernier est basé sur la classification des lames d’examen anatomopathologique du processus cancéreux mammaire, en utilisant les réseaux de neurones convolutionnels et l’apprentissage par transfert, grâce à cela notre modèle atteint la précision de 97,27%. | en_US |
dc.description.sponsorship | Dr.Gasmi.M | en_US |
dc.language.iso | fr | en_US |
dc.publisher | Universite laarbi tebessi tebessa | en_US |
dc.subject | التعلم العميق، علم التشريح المرضي، علم الكيمياء المناعية، سرطان الثدي، الشبكات العصبونية االلتفافية | en_US |
dc.subject | Deep learning, pathological anatomy, immunohistochemistry, breast cancer, CNN | en_US |
dc.subject | Deep learning, anatomie pathologique, immunohistochimie, CNN, cancer du sein | en_US |
dc.title | Deep learning pour la mise en évidence du diagnostic en anatomie pathologique à base d’immunohistochimie | en_US |
dc.type | Thesis | en_US |
Appears in Collections: | 3- إعلام آلي |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
corr-final.pdf | 6,87 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
Admin Tools