Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/31373
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorABABSA Mohamed Tahar
dc.contributor.authorBOUKRID Nesrine
dc.date.accessioned2024-10-13T09:56:26Z
dc.date.available2024-10-13T09:56:26Z
dc.date.issued2024
dc.identifier.urihttps://di.univ-blida.dz/jspui/handle/123456789/31373
dc.description4.621.1.1348;134pfr_FR
dc.description.abstractCe projet explore l'intégration de l'intelligence artificielle dans l'imagerie médicale, en mettant en œuvre l'architecture U-Net pour la segmentation précise de l'arbre rétinien. L'utilisation de réseaux de neurones convolutifs permet d'identifier avec exactitude les structures anatomiques critiques, notamment dans la détection avancée de la rétinopathie diabétique. Parallèlement, un CNN est implanté sur une carte FPGA Pynq Z2 pour traiter les données MNIST, les images étant transmises via UART. Cette combinaison exploite le parallélisme matériel du FPGA pour accélérer le traitement, démontrant des performances optimisées et une efficacité énergétique accrue pour des applications en temps réel.fr_FR
dc.language.isofrfr_FR
dc.publisherblida1fr_FR
dc.subjectmagerie médicale, intelligence artificielle, U-Net, réseaux de neurones convolutifs, segmentation de l'arbre rétinien, rétinopathie diabétique, implémentation FPGA, applications en temps réel, performances optimisées, efficacité énergétiquefr_FR
dc.titleImplémentation de U-net pour la segmentation de l'arbre rétinien, et implantation d'un CNN sur FPGA.fr_FR
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
PFE (1).pdf8,97 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.