Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/15804
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBOUKHOBZA, Asmaa-
dc.contributor.authorKAFI, Maroua-
dc.date.accessioned2020-11-26T10:04:14Z-
dc.date.available2020-11-26T10:04:14Z-
dc.date.issued2020-09-01-
dc.identifier.urihttp://dspace.univ-tlemcen.dz/handle/112/15804-
dc.description.abstractCe projet a pour objectif la classification automatique des images histologiques de la thyroïde. Ceci entre dans le cadre des systèmes d’aide au diagnostic dédié aux anatomopathologistes. Nous avons d’abord créé une base de données réelle avec 10 images de tissu sain, 10 images d’adénome folliculaire (pathologie bénigne) et 10 images de carcinome papillaire (pathologie maligne). Les étapes de traitement sont : prétraitement avec rehaussement de contraste, analyse de texture avec la matrice de cooccurrence et dimension fractale (deux algorithmes comptage de boites et comptage différentiel de boites), classification supervisée par méthodes de Support Vector Machine(SVM). Les programmes sont implémentés dans un nouvel environnement de programmation python. Nous constatons la supériorité de l’analyse fractale en particulier le comptage de boite sur les attributs de texture extraits de la matrice de co-occurrence d’une part et la supériorité du paramètre corrélation par rapport aux autres paramètres de texture choisis (contraste, dissimilarité, homogénéité, énergie, asymétrie). Dans tous les cas il y a une discrimination aisée du tissu sain versus tissus pathologique et plus délicate entre tissus pathologiques (malin et bénins). Le classifieur, programmé pour séparer les trois classes atteint une précision de 94%. A partir des résultats obtenues nous concluons que notre méthode est performante, elle répond à la problématique médicale posée et reste ouverte aux futures développements notamment l’expansion de la base de données, l’introduction de nouvelles pathologies thyroïdiennes et de nouvelles méthodes d’analyse...en_US
dc.language.isofren_US
dc.subjectHistologie, Thyroïde, Adénome folliculaire, Carcinome papillaire, Analyse de Texture, matrice de cooccurrence, Dimension fractale, Classification automatique, SVM.en_US
dc.titleAIDE AU DIAGNOSTIC DES NODULES THYROIDIENS PAR CLASSIFICATION DE COUPES HISTOLOGIQUESen_US
dc.typeThesisen_US
Collection(s) :Master en Génie Biomedical

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Ms.Gbm.Boukhobza+Kafi.pdf4,77 MBAdobe PDFVoir/Ouvrir


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