Faculty of Exact Sciences and Natural and Life Sciences

Permanent URI for this collectionhttps://dspace.univ-tebessa.dz/handle/123456789/41

Browse

Now showing 1 - 5 of 5

Développement Récente Des méthodes d’optimisation sans contraintes
(University Echahid Cheikh Larbi Tebessi- Tebessa, 2021) Chergui Ahmed
Le but de cette thËse est de dÈvelopper la mÈthode de gradient conjuguÈ pour rÈsoudre les problËmes díoptimisation sans contraintes Tout en trouvant un novelle formule que assurÈe la convergence globale et vÈriÖe la condition su¢ sante de descente sous la recherche linÈaire exact et la recherche linÈaire inexacte de Wolfe-Powell forte. cette nouvelle formule donne díexcellents rÈ- sultats numÈriques en les comparant ‡ certaines mÈthodes traditionnelles
Caractérisation de la résistance aux antibiotiques des souches d'entérobactéries isolées de divers produits alimentaires
(Université Echahid Cheikh Larbi Tebessi -Tébessa, 2026-02-16) Amra Amel
La résistance aux antibiotiques des entérobactéries constitue une préoccupation majeure pour la santé publique, en raison de son émergence en communauté et dans la chaine alimentaire. L’objectif de cette étude était d’évaluer la prévalence des entérobactéries résistantes aux céphalosporines de troisième génération (ERC3G), des entérobactéries productrices de bêta- lactamases à spectre étendu (EBLSE), de céphalosporinases AmpC et de carbapénèmases (CP) dans divers produits alimentaires, ainsi que de caractériser les gènes de BLSE. L’isolement des ERC3G a été réalisé sur gélose MacConkey supplémentée en céfotaxime, suivi d’une identification par la galerie API 20E. L’antibiogramme a été réalisé selon la méthode des disques et les tests phénotypiques utilisés dans la recherche des β-lactamases étaient : les tests de synergie et du double disque pour les BLSE, le test AmpC pour les céphalosprinases et les tests de Hodge modifié, mCIM et rCDM pour les CP. La PCR standard et le séquençage ont été utilisés pour chercher les gènes BLSE. 341 souches d'entérobactéries ont été isolées à partir de 198/433 échantillons de divers produits alimentaires. Les espèces les plus présentées étaient : E. coli (n=90), K. pneumoniae et En. cloacae (n=36 chacune), Raoultella ornithinolytica (n=31) et Klebsiella oxytoca (n=29). Les souches ont montré des taux de résistance élevés aux β-lactamines, aux quinolones et au cotrimoxazole et 55,72% d’entre elles étaient multirésistantes. Le taux de contamination par les ERC3G, les entérobactéries productrices de BLSE, dʼAmpC et de CP était respectivement de 32,10%, 30,95%, 2,31% et 0,92% des échantillons de divers produits alimentaires analysés, et leur prévalence était de 56.89%, 53,37%, 2,93% et 1,47% des souches isolées avec co-occurrence de BLSE et CP dans 2,60% des souches productrices de β-lactamases. La caractérisation moléculaire a montré la présence d’au moins un gène BLSE (blaCTX-M, blaTEM, blaSHV) chez 7 souches sélectionnées avec occurrence de blaCTX-M chez 6 souches, ainsi que la détection pour la première fois en Algérie des variants rares (blaCTX-M-79, blaCTX-M-107, blaCTX-M-117, blaTEM-112, blaTEM-125, blaTEM-194 et blaSHV-176). Les résultats de notre étude révèlent une contamination des différents produits alimentaires analysés par des entérobactéries résistantes aux antibiotiques, ce qui pose des risques importants au consommateur.
Contribution to the categorization of chest x ray radiographic
(University Echahid Cheikh Larbi Tebessi- Tebessa, 2026-04-09)
Chest X-ray radiography is the most widely performed imaging modality worldwide, valued for its accessibility, affordability, and diagnostic relevance in clinical practice. Beyond its medical applications, chest X-rays also capture skeletal structures that are distinctive and relatively stable over time, which opens the possibility of using them as a novel biometric modality. This potential is particularly relevant in forensic and postmortem contexts, where traditional biometric traits such as fingerprints, iris, and facial features are often degraded or unavailable due to decomposition or trauma. This thesis investigates the feasibility of chest X-rays as a biometric trait and proposes a series of contributions toward developing a robust identification system. The first contribution establishes a proof of concept by applying deep learning architectures, specifically Siamese networks trained with triplet loss, to chest radiographs. Several pre-trained convolutional neural networks (VGG16, VGG19, ResNet50/101, and Dense-Net) were evaluated as backbone encoders to extract discriminative features for person identification. Building on this foundation, the second contribution introduces the Self-Residual Attention Network (SRAN), a modified backbone designed to improve feature representation. By integrating spatial and channel attention mechanisms with residual connections, SRAN enables the system to emphasize critical anatomical regions while suppressing irrelevant information, thereby enhancing robustness and discrimination. The third contribution addresses the limitations posed by soft tissues, which are susceptible to pathological variations and postmortem degradation. To overcome this, an Attention U-Net segmentation model was employed to isolate skeletal structures such as ribs, clavicles, sternum, and vertebrae. This step ensures that the biometric system relies exclusively on stable anatomical features. The final contribution integrates segmentation and attention-based feature learning into a complete skeletal- based chest X-ray biometric framework. This system generates compact embeddings that allow both verification (1:1) and identification (1:N), making it suitable for forensic scenarios where only skeletal information may be available. The proposed approach was evaluated using large-scale public datasets, including NIH ChestX-ray14 for training and CheXpert for testing. The results demonstrate that chest X-rays, particularly when focused on skeletal structures, offer distinctive and reliable identity cues. By introducing chest radiographs as a new biometric modality, this work contributes to both the scientific field of AI-driven biometrics and the practical domain of forensic science, offering a pathway toward robust postmortem and medico-legal identification.
Etude du transport dans les semi-conducteurs amorphes en présence de la diffusion dans le cadre du modèle de conduction par piégeage multiple
(Université Echahid Cheikh Larbi Tebessi -Tebessa, 2026-04-12) Goutal Yazid
Ce travail propose une extension fractionnaire du modèle de conduction par piégeage multiple appliquée aux semi-conducteurs amorphes, dans laquelle les équations de transport intègrent une mémoire temporelle via une dérivée d’ordre α et admettent des solutions analytiques en domaine de Laplace pour les configurations de temps de vol longitudinales (L-TOF) et transverses (T-TOF), suivies de reconstructions temporelles stables par inversion numérique.L’influence de la diffusion a egalement été étudiée dans ces deux géométries. Les résultats numériques reproduisent fidèlement les lois de puissance pré- et post-transit et relie l’inflexion soit au temps de transit, soit au temps de recombinaison selon sa dépendance au champ électrique. Le paramètre de dispersion α constitue un indicateur robuste du désordre structurel: des valeurs faibles traduisent un transport subdiffusif dominé par le piégeage, tandis que des valeurs proches de l’unité correspondent à un comportement quasi ohmique, avec des signatures de courant conformes aux lois de puissance attendues dans les deux régimes, y compris la décroissance post-transitoire mal décrite par les modèles classiques. Les simulations restituent correctement l’effet du champ, de la durée de vie τ et de la géométrie sur l’inflexion et la dynamique du courant, et l’accord quantitatif avec des mesures TOF sur le sélénium amorphe valide l’approche et permet d’extraire de manière fiable la mobilité, le temps de recombinaison et le paramètre α, ouvrant une voie pratique d’optimisation de dispositifs à base de matériaux désordonnés grâce à la prise en compte explicite des effets de mémoire non locale.
Analysis and improvement of QoS and security of Mobile Edge Computing based networks
(Echahid Cheikh Larbi Tebessi University - Tebessa, 2026-05-11) Amira Cheriet
The rapid evolution of mobile technologies and connected objects (IoT) has led to a massive increase in the volume of data to be processed and secured. Traditional cloud architectures, while efficient for large-scale storage and processing, no longer meet current requirements in terms of latency, bandwidth, and security. To address these challenges, the Mobile Edge Computing (MEC) paradigm is emerging as an innovative solution that brings computing and storage resources closer to end users while improving the performance of distributed services. This thesis offers a series of contributions aimed at optimizing the processing, security, and storage of sensitive data in MEC environments through the integration of complementary technologies such as Software-Defined Networking (SDN), Blockchain, Network Functions Virtualization (NFV), and IPFS. In the first part, we design a secure mobile data offloading architecture in small cell networks (SCN), combining SDN, public/private blockchain, and Wi-Fi and D2D communications. This solution aims to guarantee ultra-low latency while ensuring the integrity and confidentiality of data transferred from mobile devices to the cloud. Secondly, we address the issue of secure edge video streaming management. We propose a distributed model based on dynamic orchestration of security tasks via NFV, allowing for optimized resource allocation while ensuring consistent quality of service, even under performance constraints. Finally, we present a secure storage solution for video surveillance systems, based on blockchain and IPFS, with a MEC layer enabling local preprocessing. The use of mechanisms such as Segregated Witness and smart contracts ensures the integrity, traceability, and efficient storage of critical video data. All the proposals are validated by simulations and experimental evaluations that demonstrate their effectiveness in terms of latency reduction, security improvement, data resilience, and resource optimization. This thesis thus paves the way towards intelligent, secure, and efficient edge environments, adapted to the growing needs of modern mobile applications, particularly in the fields of IoT, multimedia services, and urban security.