Segmentation et Caractérisation des Gliomes par IRM : U-Net/VGG16 et Clustering Radiomique Non Supervisé

dc.contributor.authorBOULGUEMH ,Wafa
dc.contributor.authorFILALI ,Radja
dc.contributor.authorMAGROUNE.H
dc.date.accessioned2026-11-03T08:38:02Z
dc.date.available2026-11-03T08:38:02Z
dc.date.issued2026
dc.description.abstractCe travail propose un système hybride de segmentation et de caractérisation des gliomes à partir d’images IRM T1 pondérées. L’architecture U-Net, couplée à un encodeur VGG16 pré-entraîné sur ImageNet, est entraînée sur 766 images du dataset LGG TCIA, atteignant un coefficient de Dice de 0,9152, un Jaccard de 0,8532 et une accuracy de 0,9972. Dix-huit caractéristiques radiomiques sont extraites, puis soumises à une réduction PCA et à un clustering GMM, révélant deux profils : le profil A (68,5 %, 510 tumeurs, surface moyenne 597 px) et le profil B (31,5 %, 234 tumeurs, surface moyenne 1595 px), avec un score de Silhouette de 0,4347. Malgré ses performances, l’approche reste limitée par l’usage d’une modalité unique (T1), l’absence de soustraction osseuse et le manque de validation clinique externe, ouvrant des perspectives vers des stratégies multimodales.
dc.identifier.urihttp://dspace.univ-skikda.dz:4000/handle/123456789/6543
dc.language.isofr
dc.publisherFaculté des Sciences
dc.titleSegmentation et Caractérisation des Gliomes par IRM : U-Net/VGG16 et Clustering Radiomique Non Supervisé
dc.title.alternativeIntelligence Artificielle
dc.typeThesis
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
BOULGUEMH Wafa.pdf
Size:
4.06 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Collections