Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/11454
Titre: classification non supervisée du cancer du sien.
Auteur(s): youbi, Mohammed Ridha
Mots-clés: cancer du sein,classification des noyaux cellulaires.
la base de données, pathologiques.
Date de publication: 15-déc-2013
Résumé: Dans ce mémoire, on s’est intéressé à l’étude des systèmes d’aide au diagnostic dédiés au dépistage du cancer du sein, notamment la classification des noyaux cellulaires. En effet, les statistiques confirment que le cancer du sein représente une menace prépondérante pour la vie de la femme. Cependant, une telle menace n’est gérée que par la prise en charge rapide de la maladie pour maximiser les chances de survie. D’où, le recours au moyen informatique automatisant la procédure de diagnostic appelée: le Diagnostic Assisté par Ordinateur (DAO). Ce travail de recherche a nécessité tout d’abord la maîtrise de certaines connaissances dans le domaine du cancer du sein. Nous avons, alors, étudié en détail la basse de données nécessaire pour réalise nos classifieurs. Afin d’améliorer le résultat de classification des noyaux cellulaires (malignes ou bénignes), un état de l’art détaillé concernant les étapes d’un diagnostic assisté par ordinateur a été réalisé afin de réussir la classification des noyaux cellulaires. Dans ce contexte, une étude concernant les performances du classifier à base de (fcm) à savoir la sensibilité Se et la spécificité Sp ,nous avons remarqué avec une léger amélioration pour la spécificité Sp . Et Concernant les performances du classifiée (carte de kohonen) nous avons remarqué que Se et Sp sont similaire avec une légère amélioration pour la sensibilité. Les résultats obtenus sont expliqués par le fait que le nombre des cas non pathologiques est plus grand par rapport aux cas pathologiques. La difficulté rencontré concerne l’existence des noyaux cellulaires de la base de données pour appartenant à des classes différentes mais leurs positions sont tous rapprochées. Ce problème cause des difficultés de reconnaissance pour la classification ce qui justifie énormément la présence des faux positifs (fp) et des faux négatifs (fn). Il apparaît qu’une fusion d’entre l’approche FCM et l’approche basé sur Kohonen permet de résoudre et de diminuer le nombre des FPS et des FNS. Cette future vision peut être concrétisée dans ce travail.
URI/URL: http://dspace.univ-tlemcen.dz/handle/112/11454
Collection(s) :Magister en Génie Biomedical

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Mag.EBM.Youbi.pdf916,8 kBAdobe PDFVoir/Ouvrir


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