Ube méthode pour la segmentation des image pulmonaires pour le diagnostic de covid’19

Saloua, Hafiane

Accueil de DSpace
→
01.Master
→
3-Faculté des Science Exactes et des Sciences de la Nature et de la Vie
→
3- إعلام آلي
→
Voir le document

dc.contributor.author	Saloua, Hafiane
dc.date.accessioned	2021-12-01T09:47:01Z
dc.date.available	2021-12-01T09:47:01Z
dc.date.issued	2021
dc.identifier.uri	http//localhost:8080/jspui/handle/123456789/787
dc.description.abstract	Depuis 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.sponsorship	Mr. AmrouneMohamed	en_US
dc.language.iso	fr	en_US
dc.publisher	Universite laarbi tebessi tebessa	en_US
dc.subject	: COVID-19 ، التعلم العميق ، تجزئة الصور ، صور التصوير المقطعي المحوسب ، هندسة U-Net	en_US
dc.subject	COVID-19, apprentissage profond ,segmentation d’image , CT images, U-Net architecture	en_US
dc.subject	COVID-19, deep learning, image segmentation, CT images, U-Net architecture	en_US
dc.title	Ube méthode pour la segmentation des image pulmonaires pour le diagnostic de covid’19	en_US
dc.type	Thesis	en_US