DSpace 7
DSpace is the world leading open source repository platform that enables organisations to:
- easily ingest documents, audio, video, datasets and their corresponding Dublin Core metadata
- open up this content to local and global audiences, thanks to the OAI-PMH interface and Google Scholar optimizations
- issue permanent urls and trustworthy identifiers, including optional integrations with handle.net and DataCite DOI
Join an international community of leading institutions using DSpace.
The test user accounts below have their password set to the name of this software in lowercase.
- Demo Site Administrator = dspacedemo+admin@gmail.com
- Demo Community Administrator = dspacedemo+commadmin@gmail.com
- Demo Collection Administrator = dspacedemo+colladmin@gmail.com
- Demo Submitter = dspacedemo+submit@gmail.com
Communities in DSpace
Select a community to browse its collections.
- Architecture
- Histoires et Arts
Recent Submissions
الأساس في المسؤولية التقصيرية وفي العقد
(University of Tlemcen, 2026-10-06) Saidi Nihal Ikram
الأساس يجعل من الممكن تبرير المسؤولية التقصيرية والعقد من الناحية ما وراء قانونية، الذي كرس في القانون المدني المراد منه أن يكون أبديا، والقائم على أساس الخطأ ومبدأ سلطان الإرادة التي تطبق كعقائد وهذا في شكل صراع دائم بين الذاتية والموضوعية ذلك دون أن تتمكن من فرض نفسها كنظام بديل، فإن الموضوعية تقوم بمواجهة الذاتية. الاعتماد على الذاتية من الناحية الكلاسيكية، تؤدي إلى ازمة مفاهيمية بينما الموضوعية تستخدم المفاهيم أكثر تكيفًا مع الحقائق والمستحدثات الجديدة. في الأخير، لا يزال الإطار التفسيري للمسؤولية التقصيرية والعقد المتقلب بين الذاتية والموضوعية غير قابل للتصحيح.
Développement d’une application mobile pour le suivi des femmes enceintes
(University of Tlemcen, 2026-06-24) Sardou, Fouad; Goudjal, Ibrahim
Ce mémoire traite de la création d'une application mobile pour suivre la grossesse, Ce projet
s'inscrit dans le domaine du génie biomedical, L'intégration des technologies numériques dans le
domaine de la santé permet d'améliorer la qualité des services.
L'objectif principal est de créer une application simple et intuitive, Elle doit aider les femmes
enceintes à suivre l'évolution de leur grossesse de manière régulière, L'application propose
plusieurs fonctionnalités, Il y a le suivi hebdomadaire de la grossesse, Des articles informatifs sont
accessibles, Ils sont basés sur des recommandations médicales fiables.
L'application dispose d'un espace personnel, Les utilisatrices peuvent enregistrer leurs
observations et expériences quotidiennes, Des outils interactifs ont été ajoutés, Il y a un compteur
de mouvements du bébé et un journal.
Ces fonctionnalités renforcent l'implication de la femme enceinte dans le suivi de sa grossesse Le
développement de l'application a utilisé le framework Flutter, Firebase a été utilisé pour la gestion
des données et l'authentification, Ce choix technologique a permis de créer une application
performante.
Le travail comprend une étude théorique sur la grossesse, Une analyse des besoins des utilisatrices
a été faite, Une étude économique a évalué la faisabilité et la rentabilité du projet.
Les résultats montrent que l'application répond aux objectifs, Elle est une solution efficace pour
accompagner les femmes enceintes pendant leur grossesse.
Reconnaissance des gestes et le pilotage d’une main prothétique à l’aide des signaux électromyographique (EMG)
(University of Tlemcen, 2026-06-20) Aggab, Khadidja; Matoug, Ghofrane Aya
Ce travail porte sur la conception et la réalisation d’un système de reconnaissance
gestuelle basé sur les signaux électromyographiques (EMG) pour le pilotage d’une main
prothétique. Les signaux musculaires acquis au niveau de l’avant-bras sont prétraités puis
analysés à travers l’extraction de caractéristiques pertinentes et l’utilisation d’algorithmes de
classification permettant d’identifier les différents gestes réalisés.
Une architecture matérielle intégrant un capteur EMG, une carte ESP32, des servomoteurs
ainsi qu’un capteur de force FSR a été développée et intégrée dans un prototype fonctionnel.
L’ensemble du système permet de traduire l’activité musculaire de l’utilisateur en commandes
destinées au contrôle de la main prothétique.
Les résultats obtenus ont permis de valider le fonctionnement global du système proposé et de
démontrer la faisabilité d’un contrôle myoélectrique fiable et intuitif pour le pilotage d’une
main prothétique.
Artificial Intelligence-Based Diagnostic Assistance System for Thyroid Nodules in Ultrasound Imaging
(University of Tlemcen, 2026-06-10) Ahmed Benchaib, Bouchra
Thyroid cancer is one of the most common malignant endocrine diseases, and its early
diagnosis remains a major challenge in medical imaging. Although thyroid ultrasound is the
reference examination due to its non-invasive and accessible nature, its interpretation is
affected by low image contrast, speckle noise, nodule variability, and operator dependency. To
address these limitations, this work proposes an automatic thyroid nodule analysis system
based on Artificial Intelligence (AI) and integrated into a Computer-Aided Diagnosis
(CAD) framework. The proposed approach combines nodule segmentation and
benign/malignant classification from ultrasound images. Experiments were conducted on
public thyroid ultrasound datasets using preprocessing, data augmentation, and optimization
techniques. The obtained results achieved a Dice Score of 85.44% and an IoU of 75.45% for
segmentation, while classification reached an accuracy of 97.03% and an AUC of 99.05%.
These results demonstrate the effectiveness of the proposed system and its potential to support
clinical decision-making in thyroid cancer diagnosis.
Développement d’un modèle d’intelligence artificielle pour la détection précoce des nodules pulmonaires cancéreux
(University of Tlemcen, 2026-06-11) Arras, Nour El Houda
Lung cancer is the leading cause of cancer-related mortality worldwide and a major public health
concern in Algeria, typically characterized by a silent progression that leads to late-stage diagnosis.
This research work presents the design, implementation, and rigorous evaluation of an innovative
artificial intelligence system dedicated to the automated and early detection of pulmonary nodules
from chest computed tomography (CT) scans, combining technological expertise with clinical analysis.
The proposed methodology is based on a semi-3D (2.5D) hybrid architecture executed within the
Kaggle Cloud environment using Python 3.12 (TensorFlow, Keras, SimpleITK). The network couples
local feature extraction via a MobileNetV2 backbone (leveraging partial fine-tuning on the last 20
layers) with global contextual modeling through a 4-head Multi-Head Attention mechanism. The
model was trained on a merged and standardized dataset consisting of 3,645 isotropic patches (1
mm³) from the benchmark LUNA16 and RadGenome-CT datasets, cleaned using standard deviation
analysis and normalized (clipping from -1000 to 400 HU). To mitigate the substantial class imbalance
(2,729 healthy vs. 916 nodules), a strict cost-sensitive Class Weighting strategy and an on-the-fly data
augmentation pipeline were successfully deployed.
Experimental evaluation on a 20% stratified validation set demonstrates the system's robustness and
high discriminative capabilities. The model achieved an outstanding Area Under the ROC Curve (AUC)
of 0.96 and an Average Precision (AP) of 0.90 on the Precision-Recall curve. Detailed classification
metrics reveal excellent clinical sensitivity, yielding a recall of 87% for the nodule class (160 true
positives and only 23 false negatives), thereby drastically reducing the risk of diagnostic omissions.
Specificity is highlighted by a 91% recall and a 96% precision for the healthy class (496 true
negatives). FROC curve analysis confirms a sharp early ascent, reaching a 0.90 sensitivity with a very
low number of false positives per scan. Furthermore, the black-box model’s clinical explainability was
ensured via occlusion sensitivity activation maps (heatmaps), visually validating that the network
focuses strictly on the intended pathological structures. This system stands out as a highly reliable
and powerful computer-aided pre-diagnosis tool capable of supporting radiologists in clinical
workflows.