Please use this identifier to cite or link to this item: http://localhost:8080/xmlui/handle/123456789/13159
Full metadata record
DC FieldValueLanguage
dc.contributor.authorDjellali, Yousra-
dc.contributor.authorMedjber, Baya-
dc.date.accessioned2021-11-25T09:25:30Z-
dc.date.available2021-11-25T09:25:30Z-
dc.date.issued2021-
dc.identifier.urihttp://di.univ-blida.dz:8080/jspui/handle/123456789/13159-
dc.description621.1064 ; 102 pfr_FR
dc.description.abstractPlusieurs méthodes et algorithmes ont été développés pour la reconnaissance et la classification de l’ulcère du pied diabétique (UPD) chez les patients malades. Parmi toutes ces techniques, nous avons choisis l’approche CNN en appliquant l’apprentissage par transfert sur 3 bases de données. Nous avons utilisé plusieurs modèles pré entrainés (VGG16, VGG19 et InseptionResNet V2). Après avoir testé ces derniers, nous avons constaté que le VGG19 est le plus performant en classification d’ulcère du pied diabétique selon (UT) avec une précision de 99,47% en test. L’application réalisée permet d’évaluer l’UPD à partir de son type plus le risque d’amputationfr_FR
dc.language.isofrfr_FR
dc.publisherUniv Blida1fr_FR
dc.subjectCNN, UPD, VGG16, VGG19, InseptionResNet V2, Apprentissage par Transfertfr_FR
dc.titleDéveloppement d’une Application d’Évaluation d’Ulcère du Pied Diabétiquefr_FR
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
mémoire final.pdf3,49 MBAdobe PDFView/Open


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