étection de la rétinopathie diabétique avec le deep learning, transfer learning, CNN, U-Net

Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/12994

Titre:	étection de la rétinopathie diabétique avec le deep learning, transfer learning, CNN, U-Net
Auteur(s):	Abid, Fatima Brahim Boulares, Lobna
Mots-clés:	rétinopathie diabétique, deep Learning, transfert Learning, Google colab, jupyter, CNN, data augmentation, VGG, Inception, Alex net, intelligence artificielle, imagerie médical
Date de publication:	2021
Editeur:	Univ Blida1
Résumé:	L’objectif de ce projet est d’implémenter un système d’aide au diagnostic médical, à base de différentes architectures des réseaux de neurones convolutionnels sous environnement Cloud ( colab ) et jupyter notbooks , pour détecter la rétinopathie diabétique dans les images en utilisant le « Deep Learning » et le « Transfer Learning ». Nous avons utilisé une base de données contenant 5000 images augmentées images pour l'entrainement. Nous avons ensuite utilisé le Transfer Learning en modifiant les structures des réseaux VGG 16, alex net, et Inception V3 pour la classification. Des résultats d'apprentissage, de test, et de validation satisfaisants ont été obtenus
Description:	621.1048 ; 104 p
URI/URL:	http://di.univ-blida.dz:8080/jspui/handle/123456789/12994
Collection(s) :	Mémoires de Master

Fichier(s) constituant ce document :

Fichier	Description	Taille	Format
memoire_brahim boulares_abid.pdf		5,65 MB	Adobe PDF	Voir/Ouvrir

DSpace JSPUI