Détection de Caries Dentaires par Deep Learning

Issad, Nihad; Si-Hadi, Sarah

dc.contributor.author	Issad, Nihad
dc.contributor.author	Si-Hadi, Sarah
dc.date.accessioned	2023-01-29T09:45:31Z
dc.date.available	2023-01-29T09:45:31Z
dc.date.issued	2022
dc.identifier.uri	https://di.univ-blida.dz/jspui/handle/123456789/20695
dc.description	4.621.1.1146. 107P	fr_FR
dc.description.abstract	Plusieurs méthodes et algorithmes ont été développés pour la reconnaissance et la classification de la carie dentaire chez les patients malades. Parmi toutes ces techniques, nous avons choisi pour notre projet de fin d’études, l'approche CNN en appliquant l'apprentissage par transfert sur une base de données. Pour cela, nous avons utilisé plusieurs modèles préentrainés (VGG16, VGG19 et Inseption-ResNet V2). Après avoir testé ces derniers, nous avons constaté que le VGG16 est le plus performant en classification de la carie dentaire avec une précision de 97,06 % en test. L'application réalisée permet de classifier la carie dentaire et donner le pourcentage du type de cette dernière.	fr_FR
dc.language.iso	fr	fr_FR
dc.publisher	blida1	fr_FR
dc.subject	Classification, CNN, Caries Dentaires, VGG16, VGG19, Inseption-ResNet V2, Apprentissage par Transfert	fr_FR
dc.title	Détection de Caries Dentaires par Deep Learning	fr_FR