Titre : |
Medical images indexation and annotation |
Type de document : |
texte imprimé |
Auteurs : |
Imane NEDJAR, Auteur |
Année de publication : |
2020 |
Importance : |
174P |
Présentation : |
ILL. |
Format : |
30cm. |
ISBN/ISSN/EAN : |
BFST2712 |
Langues : |
Français (fre) |
Mots-clés : |
Images médicales Diagnostic assisté par ordinateur Récupération des images Les annotations
hépatique BEMD Ondelettes de Gabor Mammographie Classification des tissus mammaires SMOTE BI-RADS Les images histopathologiques Apprentissage profond |
Résumé : |
Les systèmes de détection et de diagnostic assistés par ordinateur CADe/CADx sont des outils essentiels
utilisés par les médecins pour les aider dans leur diagnostic clinique quotidien. Ces systèmes ont un rôle
important pour effectuer la détection et le diagnostic précoces des maladies cancéreuses, ce qui permet
de fournir un traitement précoce avant qu'il ne soit trop tard.
Dans cette thèse, nous présentons plusieurs méthodes à utiliser dans le système de diagnostic assisté par
ordinateur pour générer des rapport structurés sur les lésions hépatiques, y compris le cancer, en utilisant
les images de tomodensitométrie. De plus, nous proposons différentes méthodes à utiliser dans la
détection assistée par ordinateur pour le cancer du sein, en traitant la classification de la densité
mammaire par l'utilisation des images mammographiques et aussi la classification des lésions
mammaires par l'utilisation des images histopathologiques.
Dans ce contexte, nous présentons trois distinctes contributions, la première est liée à l'annotation des
images CT du foie en utilisant une ontologie médicale, où nous proposons trois méthodes différentes.
La deuxième contribution concerne la classification de la densité mammaire selon le système standard
de rapport et de données d'imagerie mammaire (BI-RADS). De plus, nous proposons une version
améliorée de l'algorithme SMOTE (Synthetic Minority Over-Sampling Technique Algorithm) utilisé
pour équilibrer l'ensemble de données.
La dernière contribution concerne la classification des lésions mammaires dans les images
histopathologiques. Précisément, nous proposons une méthode pour distinguer les lésions bénignes et
malignes, ainsi que pour classer les cas normaux, les cas bénins, les cas de cancer in situ et invasif. |
Medical images indexation and annotation [texte imprimé] / Imane NEDJAR, Auteur . - 2020 . - 174P : ILL. ; 30cm. ISSN : BFST2712 Langues : Français ( fre)
Mots-clés : |
Images médicales Diagnostic assisté par ordinateur Récupération des images Les annotations
hépatique BEMD Ondelettes de Gabor Mammographie Classification des tissus mammaires SMOTE BI-RADS Les images histopathologiques Apprentissage profond |
Résumé : |
Les systèmes de détection et de diagnostic assistés par ordinateur CADe/CADx sont des outils essentiels
utilisés par les médecins pour les aider dans leur diagnostic clinique quotidien. Ces systèmes ont un rôle
important pour effectuer la détection et le diagnostic précoces des maladies cancéreuses, ce qui permet
de fournir un traitement précoce avant qu'il ne soit trop tard.
Dans cette thèse, nous présentons plusieurs méthodes à utiliser dans le système de diagnostic assisté par
ordinateur pour générer des rapport structurés sur les lésions hépatiques, y compris le cancer, en utilisant
les images de tomodensitométrie. De plus, nous proposons différentes méthodes à utiliser dans la
détection assistée par ordinateur pour le cancer du sein, en traitant la classification de la densité
mammaire par l'utilisation des images mammographiques et aussi la classification des lésions
mammaires par l'utilisation des images histopathologiques.
Dans ce contexte, nous présentons trois distinctes contributions, la première est liée à l'annotation des
images CT du foie en utilisant une ontologie médicale, où nous proposons trois méthodes différentes.
La deuxième contribution concerne la classification de la densité mammaire selon le système standard
de rapport et de données d'imagerie mammaire (BI-RADS). De plus, nous proposons une version
améliorée de l'algorithme SMOTE (Synthetic Minority Over-Sampling Technique Algorithm) utilisé
pour équilibrer l'ensemble de données.
La dernière contribution concerne la classification des lésions mammaires dans les images
histopathologiques. Précisément, nous proposons une méthode pour distinguer les lésions bénignes et
malignes, ainsi que pour classer les cas normaux, les cas bénins, les cas de cancer in situ et invasif. |
|