Traitement du flou de mouvement en imagerie à rayons X par des techniques robustes de filtrage basées sur l'intelligence artificielle
| dc.contributor.author | Lemmouchi ,Djihane | |
| dc.contributor.author | Boumediane ,Loubna | |
| dc.contributor.author | S. Djelleb | |
| dc.date.accessioned | 2026-11-05T12:24:21Z | |
| dc.date.available | 2026-11-05T12:24:21Z | |
| dc.date.issued | 2026 | |
| dc.description.abstract | Le flou de mouvement est l'une des causes majeures de dégradation de la qualité des images médicales à rayons X, réduisant la netteté des structures anatomiques et pouvant affecter la précision du diagnostic. Ce travail propose une approche basée sur le Deep Learning pour restaurer les images dégradées. Une base de données d'images médicales a été préparée puis dégradée artificiellement par flou de mouvement pour simuler des conditions réelles d'acquisition. Un modèle Residual U-Net a ensuite été développé pour restaurer les images altérées, entraîné à l'aide d'une fonction de perte combinée visant à préserver la qualité visuelle et les détails anatomiques. Les performances ont été évaluées via les métriques PSNR, SSIM et RMSE, démontrant une amélioration notable de la qualité de restauration et de la préservation des détails, confirmant l'efficacité des techniques de filtrage basées sur l'IA pour la correction du flou de mouvement et l'amélioration des images médicales. | |
| dc.identifier.uri | http://dspace.univ-skikda.dz:4000/handle/123456789/6562 | |
| dc.language.iso | fr | |
| dc.publisher | Faculté des Sciences | |
| dc.title | Traitement du flou de mouvement en imagerie à rayons X par des techniques robustes de filtrage basées sur l'intelligence artificielle | |
| dc.title.alternative | Physique médicale | |
| dc.type | Thesis |