Étude comparative des méthodes de Deep Learning  pour la classification et la segmentation de la rétinopathie diabétique

Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/20727

Affichage complet

Élément Dublin Core	Valeur	Langue
dc.contributor.author	TALBI, HADJER	-
dc.contributor.author	KHALDI, NACHIDA	-
dc.date.accessioned	2023-01-29T10:41:35Z	-
dc.date.available	2023-01-29T10:41:35Z	-
dc.date.issued	2021	-
dc.identifier.uri	https://di.univ-blida.dz/jspui/handle/123456789/20727	-
dc.description	4.621.1.1179 ; 85 p	fr_FR
dc.description.abstract	L’objectif de ce projet est d’implémenter un système d’aide au diagnostic médical par la détection de la rétinopathie diabétique, l’évaluation des risques d'atteinte de maladies et à les prévenir.Les variations et la complexité des données d'imagerie rétiniennes,nécessitent un apprentissage à partir d'exemples, et cela constitue un des intérêts clés du domaine de l'apprentissage profond pour décrire et représenter les lésions dans les données.	fr_FR
dc.language.iso	fr	fr_FR
dc.publisher	univ. blida1	fr_FR
dc.subject	Mots clés : rétinopathie diabétique, Deep Learning, Google Colab, jupyter, Googlenet, VGGnet, Alexnet,U-net, intelligence artificielle, imagerie médicale.	fr_FR
dc.title	Étude comparative des méthodes de Deep Learning pour la classification et la segmentation de la rétinopathie diabétique	fr_FR
Collection(s) :	Mémoires de Master

Fichier(s) constituant ce document :

Fichier	Description	Taille	Format
Mémoire finale.pdf		3,89 MB	Adobe PDF	Voir/Ouvrir

DSpace JSPUI