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

Titre:	Étude comparative des méthodes de Deep Learning pour la classification et la segmentation de la rétinopathie diabétique
Auteur(s):	TALBI, HADJER KHALDI, NACHIDA
Mots-clés:	Mots clés : rétinopathie diabétique, Deep Learning, Google Colab, jupyter, Googlenet, VGGnet, Alexnet,U-net, intelligence artificielle, imagerie médicale.
Date de publication:	2021
Editeur:	univ. blida1
Résumé:	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.
Description:	4.621.1.1179 ; 85 p
URI/URL:	https://di.univ-blida.dz/jspui/handle/123456789/20727
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