Doctorat LMD SIC

Permanent URI for this collectionhttps://dspace.univ-tlemcen.dz/handle/112/25267

Browse

Recent Submissions

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Un système de recommandation social et sémantique sensible au contexte
    (University of Tlemcen, 2021-09-18) El Yebdri Zeyneb ép. Boukli-Hacene
    Le travail présenté dans ce manuscrit se situe dans le domaine des systèmes de recommandation sensible au contexte (CARS) qui vise à améliorer les systèmes de recommandation traditionnels (SR) en prenant en compte les informations du contexte lors de la prédiction. Cependant, Ces systèmes souffrent de certains défis, tels que le démarrage à froid et la rareté des données. De nouvelles méthodes sont proposées pour surmonter ces problèmes. Nous proposons dans notre travail, trois contributions. La première contribution consiste à pallier les limites de l’approche du découpage sensible au contexte (Context-aware splitting approach (CASA)) qui représente l’une des approches de pré-filtrage les plus efficaces du système de recommandation sensible au contexte. Nous proposons d’ajouter principalement des informations de confiance ainsi sémantique pour améliorer la qualité de prédiction. La deuxième contribution, consiste à proposer une approche hybride intitulée : Approche de post-filtrage sensible au contexte basée sur la confiance, qui utilise des déclarations de confiance comme une information riche, avec la méthode de compensation de contexte qui appartient à l’approche de post-filtrage contextuel. Les résultats des expérimentations révèlent que ces approches améliorent la pertinence des recommandations et surpasse les autres approches non contextuelles de la littérature en terme de précision. Une autre approche que nous proposons : Approche de modélisation contextuelle basée sur la sémantique et la confiance (ST-CAMA), qui combine les informations de confiance et de contexte en utilisant la pondération contextuelle. Aussi, afin de sélectionner uniquement les voisins de confiance et qui ont des intérêts communs à l’item cible pour l’utilisateur actif, nous proposons de construire des clusters se basant sur des similarités sémantiques enrichi sémantiquement via les données ouvertes liées (LOD).
  • Thumbnail Image
    Item
    Reconnaissance automatique des plasmocytes pour l’aide au diagnostic du Myélome
    (University of Tlemcen, 2018-02-04) Baghli,Ismahan
    La maladie du Myélome multiple appelée aussi maladie de Kahler, est par mis les maladies du cancer du sang. Ce type de cancer est caractérisé par la prolifération des globules blancs de type plasmocyte. Le diagnostic précoce de cette maladie, améliore le taux de survie du patient atteint. Le diagnostic manuel repose sur l’examination visuelle, par le pathologiste, des images mi croscopiques de la moelle osseuse pour chercher des signes de prolifération de cellules. Cette analyse nécessite des efforts considérables pour une détection fiable et précise, ce qui la rend à la fois lente et fastidieuse. Les systèmes automatiques basés sur l’identification et le comptage des globules blancs, peuvent donner des résultats plus précis que les méthodes ma nuelles. Ces systèmes sont basés principalement sur deux étapes essentielles : la segmentation des cellules, et la caractérisation et la classification des globules blancs. Dans le modèle automatique que nous proposons, les images micro scopiques de la moelle osseuse sont tout d’abord segmenetées par la trans formation watershed et ensuite les régions sont fusionnées par l’intégration de l’incertitude sur la couleur via la théorie de l’évidence. Ces globules blancs seg mentés sont caractérisés par les attributs de formes du noyau et de la cellule, et les attributs de textures couleurs du noyau et du cytoplasme, et au finale ces attributs sont introduits à trois classifieurs à apprentissage supervisé SVM (Support Vector Machine), Kppv (K plus proche voisins) et arbre de décision. Les résultats expérimentaux montrent que la reconnaissance du plasmocyte par le Kppv est prometteuse, atteingnant un taux de reconnaissance de 97% avec une spécificité de 100%, ce qui la rend insensible aux faux positifs.
  • Thumbnail Image
    Item
    Medical images indexation and annotation
    (University of Tlemcen, 2020-11-17) Nedjar,Imane
    Computer aided detection and diagnosis CADe/CADx systems, are an essential tools used by physicians to assist them in their daily clinical diagnosis. In cancers diseases, these systems have an important role to perform the early detection and diagnosis, this allows to provide early treatment before it will be too late. In this thesis, we present several methods to be uses in a computer aided diagnosis system in order to generate structured reports of liver lesions including cancer using Computed Tomography (CT) images. In addition, we propose different methods for computer aided detection of breast cancer, by treating breast density classification using mammography and breast lesion classification using histopathology images. At this context we present three distingue contributions, the first one is related to the annotation of liver CT images by using a medical ontology, in which we propose three methods. The second contribution is about breast density classification according to the standard Breast Imaging Reporting and Data System (BI-RADS). In addition to that, we propose an improved version of Synthetic Minority Over-Sampling Technique Algorithm (SMOTE) used to equilibrate the dataset. The last contribution is about breast lesions classification in the histopathology images. Precisely, we propose a method to distinct benignant and malignant lesions, as well to classify the normal cases, benign cases, in situ and invasive cancer cases.