Détail de l'auteur
Auteur BENOMAR, Mohammed Lamine |
Documents disponibles écrits par cet auteur (1)
Affiner la recherche Interroger des sources externes
Combinaison adaptative des informations texture et couleur pour la segmentation d’images médicales / BENOMAR, Mohammed Lamine
Titre : Combinaison adaptative des informations texture et couleur pour la segmentation d’images médicales Type de document : texte imprimé Auteurs : BENOMAR, Mohammed Lamine, Auteur ; chikh, Abdelkrim, Auteur Editeur : Université tlemcen Année de publication : 2018 Importance : 146 p. Présentation : ill. Format : 30 cm Langues : Français (fre) Langues originales : Français (fre) Résumé : En hématologie, le concept de cytologie numérique permet aux pathologistes d’établir des diagnostics précis notamment en
cancérologie (le myélome, les leucémies…), cette spécialité est basée sur l’aspect morphologique des cellules globules blancs
(leucocyte) et l’extraction d’un ensemble de mesures quantitatives par une lecture et une analyse visuelle des images
microscopiques médullaires et du sang périphérique afin de détecter les cellules anormales. La différentiation leucocytaire est une
tâche délicate qui demande énormément de concentration et d’expérience. Pour cela, un système automatique est indispensable,
non seulement pour assister le praticien et diminuer le risque d’erreur mais également afin de facilité la lecture et réduire le temps.
L’approche proposée pour automatiser ce processus est divisée en trois principales étapes : le prétraitement, la segmentation et la
classification. Les méthodes employées sont basées essentiellement sur la couleur, la texture et les propriétés morphologiques des
cellules. Ainsi, une nouvelle transformation couleur pour mettre en évidence les régions d’intérêts est d’abord présentée, suivi par
une segmentation de ces régions par l’algorithme de la ligne de partage des eaux contrainte par marqueurs (Marker Controlled
Watershed) et le classifieur à apprentissage supervisé des forêts aléatoires (Random Forests) pour différencier les globules blancs
des globules rouges groupés et des artéfacts. Le noyau et le cytoplasme sont ensuite séparés. Dans l’étape de classification des
cellules, un ensemble d’attributs de couleur, de texture et de forme est extrait des régions du noyau, du cytoplasme et de la cellule
entière dans le but d’identifier six types de globules blancs (neutrophile, basophile, éosinophile, monocyte, lymphocyte et
plasmocyte), et au finale les performances du classifieur des forêt aléatoires sont comparées et évaluées sur un ensemble d’image
microscopiques. Les résultats obtenus révèlent des précisions de reconnaissance élevées à la fois pour la segmentation et pour la
classification atteignant les 95%.Combinaison adaptative des informations texture et couleur pour la segmentation d’images médicales [texte imprimé] / BENOMAR, Mohammed Lamine, Auteur ; chikh, Abdelkrim, Auteur . - Université tlemcen, 2018 . - 146 p. : ill. ; 30 cm.
Langues : Français (fre) Langues originales : Français (fre)
Résumé : En hématologie, le concept de cytologie numérique permet aux pathologistes d’établir des diagnostics précis notamment en
cancérologie (le myélome, les leucémies…), cette spécialité est basée sur l’aspect morphologique des cellules globules blancs
(leucocyte) et l’extraction d’un ensemble de mesures quantitatives par une lecture et une analyse visuelle des images
microscopiques médullaires et du sang périphérique afin de détecter les cellules anormales. La différentiation leucocytaire est une
tâche délicate qui demande énormément de concentration et d’expérience. Pour cela, un système automatique est indispensable,
non seulement pour assister le praticien et diminuer le risque d’erreur mais également afin de facilité la lecture et réduire le temps.
L’approche proposée pour automatiser ce processus est divisée en trois principales étapes : le prétraitement, la segmentation et la
classification. Les méthodes employées sont basées essentiellement sur la couleur, la texture et les propriétés morphologiques des
cellules. Ainsi, une nouvelle transformation couleur pour mettre en évidence les régions d’intérêts est d’abord présentée, suivi par
une segmentation de ces régions par l’algorithme de la ligne de partage des eaux contrainte par marqueurs (Marker Controlled
Watershed) et le classifieur à apprentissage supervisé des forêts aléatoires (Random Forests) pour différencier les globules blancs
des globules rouges groupés et des artéfacts. Le noyau et le cytoplasme sont ensuite séparés. Dans l’étape de classification des
cellules, un ensemble d’attributs de couleur, de texture et de forme est extrait des régions du noyau, du cytoplasme et de la cellule
entière dans le but d’identifier six types de globules blancs (neutrophile, basophile, éosinophile, monocyte, lymphocyte et
plasmocyte), et au finale les performances du classifieur des forêt aléatoires sont comparées et évaluées sur un ensemble d’image
microscopiques. Les résultats obtenus révèlent des précisions de reconnaissance élevées à la fois pour la segmentation et pour la
classification atteignant les 95%.Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité T08199 EDOC004-25/ 01 Thèse قاعة العلوم والتكنولوجيا والطب والعلوم الطبيعة والحياة 004 معالجة البيانات علم الحاسوب Exclu du prêt