Technique d'Apprentissage Automatique pour la segmentation D'images Médicale(IRM)
| dc.contributor.author | Bourekkouk, Samira | |
| dc.contributor.author | Denden ,Sihem | |
| dc.date.accessioned | 2024-04-15T09:04:37Z | |
| dc.date.available | 2024-04-15T09:04:37Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | La segmentation d’images et en particulier pour les images médicales, demeure problématique à cause du bruit et de différentes déformations. Dans ce travail de master, nous proposons une nouvelle méthode de segmentation d’IRM cérébrales par classification des pixels, en adoptant une approche supervisée en utilisant l’algorithme des moyennes mobiles (k-means). La méthode proposée est basée sur la classification des pixels dans des régions locales, dans lesquelles le problème la non- uniformité des intensités (INU : Intensity Non Uniformity) pourra être négligé. Cependant les résultats partiels doivent être fusionnés en utilisant une technique de vote majoritaire. | |
| dc.identifier.uri | http://dspace.univ-skikda.dz:4000/handle/123456789/954 | |
| dc.language.iso | fr | |
| dc.publisher | Faculté des Sciences | |
| dc.title | Technique d'Apprentissage Automatique pour la segmentation D'images Médicale(IRM) | |
| dc.title.alternative | Systèmes Informatiques -SI | |
| dc.type | Mémoire de Master |