Schoobrary رجوع
العودة إلى البحث
ماستر (LMD) الانجليزية 2025 f8ab0a41-1550-48ef-8aac-e0fd71e9709a

Improving healthcare systems using deep learning techniques

Aiadi Oussama , Maria Hathat , Safa Hamdat

كلية التكنولوجيات الحديثة للمعلومات والاتصال-جامعة قاصدى مرباح ورقلة · الجزائر

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Accurate image classification is a cornerstone of modern medical diagnostics, enabling healthcare professionals to extract meaningful insights from various types of medical imaging. In particular, identifying abnormalities in MRI scans plays a critical role in early detection and treatment planning for brain-related conditions. This thesis presents a deep learning-based system aimed at improving brain tumor diagnosis through the analysis of high-resolution MRI images.The proposed approach utilizes a dataset of 5,000 multimodal MRI scans, comprising 2,000 images labeled as healthy and 3,000 as tumor-affected. These images were collected from diverse, credible medical sources and optimized to ensure high quality and diagnos-tic relevance. A Convolutional Neural Network (CNN) architecture forms the core of the system due to its strong performance in image-based classification tasks. Addition-ally, Generative Adversarial Networks (GANs) were employed to synthetically expand the dataset by generating realistic MRI images, further improving the system’s learning capability.Experimental results indicate that the proposed system achieves high classification accuracy, demonstrating the effectiveness of combining CNNs, data augmentation, andGANs. These findings underscore the potential of deep learning techniques in supporting and advancing healthcare systems by providing reliable and efficient diagnostic tools.

التعريف والنوع

رقم الوثيقة
f8ab0a41-1550-48ef-8aac-e0fd71e9709a
رقم العقد
0
نوع الوسائط
Crawler
نوع المحتوى
الرسائل العلمية
صيغة المصدر
ماستر (LMD)
نوع الملف
pdf text
أسماء الملفات
1094677_1.pdf

بيانات النشر

ألقاب المؤلفين
[{"name_ar":"Aiadi Oussama ","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Maria Hathat ","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Safa Hamdat ","title_ar":"اعداد","title_en":"Preparation"}]
اللغة
English

المصدر والدورية

اسم المصدر
Improving healthcare systems using deep learning techniques

المحتوى والصفحات

عدد الصفحات
0
ترجمة الملخص
la classification précise des images constitue une pierre angulaire du diagnostic médical moderne, permettant aux professionnels de santé d’extraire des informations significatives à partir de divers types d’imagerie médicale. En particulier, l’identification des anomalies dans les IRM joue un rôle crucial dans la détection précoce et la planification du traitement des pathologies cérébrales. Ce mémoire présente un système basé sur l’apprentissage profond visant à améliorer le diagnostic des tumeurs cérébrales à travers l’analyse d’images IRM haute résolution.L’approche proposée utilise un ensemble de données composé de 5 000 images IR Mmultimoda les, dont 2 000 étiquetées comme saines et 3 000 comme atteintes de tumeurs.Ces images proviennent de sources médicales diverses et crédibles, et ont été optimisées afin d’assurer une haute qualité et une pertinence diagnostique. Une architecture deréseau de neurones convolutifs (CNN) constitue le cœur du système, en raison de sesperformances élevées dans les tâches de classification d’images. De plus, des réseaux antagonistes génératifs (GAN) ont été utilisés pour augmenter artificiellement l’ensemble de données en générant des images IRM réalistes, renforçant ainsi la capacité d’apprentis sage du système.Les résultats expérimentaux indiquent que le système proposé atteint une précision declassification élevée, démontrant l’efficacité de la combinaison des CNN, de l’augmentation de données et des GAN. Ces résultats mettent en lumière le potentiel des techniques d’apprentissage profond pour soutenir et améliorer les systèmes de santé grâce à des outils diagnostiques fiables et efficaces
كلمات الباحثين
Deep Learning, Healthcare, Brain Tumor, MRI, CNN, GAN.

إشراف وإعداد

الإشراف
Aiadi Oussama
الإعداد
Maria Hathat , Safa Hamdat

الاقتباسات الببليوغرافية

APA

Aiadi Oussama ،Maria Hathat و Safa Hamdat . (2025). Improving healthcare systems using deep learning techniques . أطروحة(ماستر (LMD)). كلية التكنولوجيات الحديثة للمعلومات والاتصال-جامعة قاصدى مرباح ورقلة. الجزائر.

MLA

Aiadi Oussama ،Maria Hathat و Safa Hamdat . Improving healthcare systems using deep learning techniques . 2025. كلية التكنولوجيات الحديثة للمعلومات والاتصال-جامعة قاصدى مرباح ورقلة، ماستر (LMD).