Classification des Images Histologiques pour la Détection des Gliomes

Madjilem, Viviane Tone

dc.contributor.author	Madjilem, Viviane Tone
dc.date.accessioned	2022-10-17T07:43:40Z
dc.date.available	2022-10-17T07:43:40Z
dc.date.issued	2022
dc.identifier.uri	https://di.univ-blida.dz/jspui/handle/123456789/19838
dc.description	4.621.1.1143; 109p; illustree	fr_FR
dc.description.abstract	La tâche d`un pathologiste est de plus en plus lourd de par le fait que le cancer ne cesse d`augmenter, afin de classer les tumeurs et définir leurs niveau d`agressivités les pathologistes sont confrontées à analyser un grand nombre d`image de pathologie de l`ordre de centaine ou de millier, cela est couteaux en temps et en argent et ne conduit pas nécessairement à des résultats parfaitement précis. Pour contrer ces inconvenants une automatisation du processus d`analyse des coupes de tissue fixées sur des lames en verre à l`aide d`un microscope est plus que nécessaire. Les méthodes assistées par ordinateur notamment l`intelligence artificielle a le potentiel d’améliorer la classification des tumeurs traiter, il est plus judicieux de réaliser un tel système en tirant partie des données histologiques. Nous proposant d`utiliser les réseaux de neurone pour prédire le grade des gliomes et nous validerons notre méthode à l`aide des données du défi radiologiquepathologie (CPM : RAD-PATH 2020).	fr_FR
dc.language.iso	fr	fr_FR
dc.publisher	blida1	fr_FR
dc.subject	Classifications des gliomes ; pathologie digital; apprentissage automatique.	fr_FR
dc.title	Classification des Images Histologiques pour la Détection des Gliomes	fr_FR