Please use this identifier to cite or link to this item: http//localhost:8080/jspui/handle/123456789/787
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSaloua, Hafiane-
dc.date.accessioned2021-12-01T09:47:01Z-
dc.date.available2021-12-01T09:47:01Z-
dc.date.issued2021-
dc.identifier.urihttp//localhost:8080/jspui/handle/123456789/787-
dc.description.abstractDepuis décembre 2019, l'épidémie de la maladie à coronavirus (COVID-19) a causé de nombreux décès et touché tous les secteurs de la vie humaine. Motivés par ce fait, un grand nombre de travaux de recherche ont été proposés et développés pour les premiers mois de 2020. Dans ce travail, nous nous concentrons d'abord sur la synthèse des travaux de recherche les plus récents liés aux applications d'apprentissage en profondeur du traitement d'images médicales COVID-19. Nous vérifions cela à partir de modèles d'apprentissage en profondeur pour la segmentation des régions infectées par la pneumonie dans Des tomodensitogrammes pour la détection du COVID-19. Aujourd'hui, le traitement d'images joue un rôle important dans de nombreux domaines. Dans le système de traitement d'images, le processus le plus important est la segmentation d’image.en_US
dc.description.sponsorshipMr. AmrouneMohameden_US
dc.language.isofren_US
dc.publisherUniversite laarbi tebessi tebessaen_US
dc.subject: COVID-19 ، التعلم العميق ، تجزئة الصور ، صور التصوير المقطعي المحوسب ، هندسة U-Neten_US
dc.subjectCOVID-19, apprentissage profond ,segmentation d’image , CT images, U-Net architectureen_US
dc.subjectCOVID-19, deep learning, image segmentation, CT images, U-Net architectureen_US
dc.titleUbe méthode pour la segmentation des image pulmonaires pour le diagnostic de covid’19en_US
dc.typeThesisen_US
Appears in Collections:3- إعلام آلي

Files in This Item:
File Description SizeFormat 
Memoire fin d'etude.pdf1,45 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Admin Tools