L’apprentissage profond appliqué à la reconnaissance des anomalies mammaires

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Le cancer du sein est l'une des tumeurs malignes les plus courantes chez les femmes, qui affectent gravement la santé physique et mentale des femmes et menacent même leur vie. Actuellement, la mammographie est un outil important pour les médecins afin de diagnostiquer le cancer du sein. Cependant, en raison de la structure complexe des images démographiques, il est relativement difficile pour les médecins d'identifier les caractéristiques du cancer du sein. Actuellement, l'apprentissage en profondeur est l'algorithme de classification d'images le plus répandu. Pour cela, nous présentons l’architecture de notre travail qui nous permettra de choisir les pour optimiser notre réseau de neurone à convolution ; les expérimentations de cette application seront tester sur des régions d’intérêts de la base de (The Digital D'Athanase for Screening Mammographe). Le modèle élu après une série d’expérimentations nous permettra de classifier les images selon leurs types (Normale / Anormale), ce modèle représente un système d’aide au diagnostic pour la classification des tissus mammaires. L'approche proposée a été évaluée sur 6688 régions d’intérêt Breast cancer is one of the most common malignant tumours in women, which seriously affect women’s physical and mental health and even threat to life. At present, mammography is an important criterion for doctors to diagnose breast cancer. However, due to the complex structure of mammogram images, it is relatively difficult for doctors to identify breast cancer features. At present, deep learning is the most mainstream image classification algorithm. We present the architecture of our work, which will allow us to choose the hyperparameters of a convolutional neural network; the experiments of this application will be tested on the mammographic image database DDSM (The Digital Database for Screening Mammography). An optimized model for the classification of mammographic tissues according to their types (Normal / Abnormal) represents a diagnostic aid system applied to mammographic images. The proposed approach was evaluated on 6688 regions of interest extracted from mammographic tissues.

روابط وملفات

التعريف والنوع

رقم الوثيقة

f5741b9b-0067-4194-92b1-402254d6ee74

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

ماستر (LMD)

نوع الملف

pdf text

أسماء الملفات

2166636_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":"شكري فركوس","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"لزهر مخلوف","title_ar":"اعداد","title_en":"Preparation"}]

اللغة

French

المصدر والدورية

اسم المصدر

L’apprentissage profond appliqué à la reconnaissance des anomalies mammaires

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

في هذا العمل نقدم مخطط سيسمح لنا باختيار الخصائص العامة للشبكة العصبية التلافيفية CNN بهدف التفريق بين الصور التي تحتوي على مرض خبيث والصور العادية ؛سيتم اختبار تجارب هذا التطبيق على قاعدة بيانات الصور الشعاعية للثديDDSM (قاعدة البيانات الرقمية لفحص التصوير الشعاعي للثدي.يمكن اعتبار تقييم المخطط المقترح على6688 منطقة مستخرجة من صور الأنسجة الشعاعية للثدي

كلمات الباحثين

Deep learning, mammographie, hyperparramètres, classification.

إشراف وإعداد

الإشراف

شكري فركوس

الإعداد

لزهر مخلوف

الاقتباسات الببليوغرافية