Utilisation du deep learning et les CT-SCAN thoraciques pour detecter le COVID 19

ChiraneSounallh, Zakaria; Mezian, Abdelkrim ( Promoteur); Kameche, Abdellah ( Promoteur)

dc.contributor.author	ChiraneSounallh, Zakaria
dc.contributor.author	Mezian, Abdelkrim ( Promoteur)
dc.contributor.author	Kameche, Abdellah ( Promoteur)
dc.date.accessioned	2023-05-10T08:39:10Z
dc.date.available	2023-05-10T08:39:10Z
dc.date.issued	2021
dc.identifier.uri	https://di.univ-blida.dz/jspui/handle/123456789/23735
dc.description	ill., Bibliogr. Cote: ma-004-911	fr_FR
dc.description.abstract	En raison de la pandémie de COVID-19 et de l'effondrement imminent des systèmes de santé suite à l'épuisement des ressources financières, hospitalières et médicales, l'Organisation mondiale de la santé a fait passer le niveau d'alerte de la pandémie de COVID-19 d'élevé à très élevé. Pendant ce temps, des méthodes de détection COVID-19 plus rentables et plus précises sont préférées dans le monde entier. Les méthodes de détection du COVID-19 basées sur la vision artificielle, en particulier l'apprentissage en profondeur en tant que méthode de diagnostic dans les premiers stades de la pandémie, ont reçu une grande importance pendant la pandémie. Cette étude visait à concevoir un système de détection assistée par ordinateur très efficace pour COVID-19 en utilisant un algorithme basé sur un réseau d'architecture de recherche neuronale (NASNet).	fr_FR
dc.language.iso	fr	fr_FR
dc.publisher	Université Blida 1	fr_FR
dc.subject	deep learning	fr_FR
dc.subject	COVID-19	fr_FR
dc.subject	Inagrie médical	fr_FR
dc.subject	Machine learning	fr_FR
dc.title	Utilisation du deep learning et les CT-SCAN thoraciques pour detecter le COVID 19	fr_FR
dc.type	Thesis	fr_FR