Browsing by Author "Mebarki Abdallah, Yakoub"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Analyse des IRM cérébrales basée réseaux de neurones convolutifs et Transformers en vue du diagnostic automatique du cancer du cerveau.
    (university of eloued جامعة الوادي, 2023-06-06) Hammadi, Imad Eddine •; Mebarki Abdallah, Yakoub
    الورم الدبقي لديه أعلى معدل وفيات بين أورام الدماغ. في الواقع ، حوالي 33 ٪ من أورام المخ التي تم تشخيصها هي أورام دبقية. حيث يستخدم التصوير بالرنين المغناطيسي في الغالب في العثور على درجة وموقع الأورام الدبقية الممتدة بسبب تباينها الجدير بالملاحظة. ومع ذلك، فإن التشخيص اليدوي غير فعال ويتطلب خبرة وتجربة اختصاصي الأشعة. ومن ثم، تم تطوير لمساعدة أطباء الأورام العصبية في فحص سرطان الدماغ. وبالنسبة لعملية (CAD) أنظمة التشخيص بمساعدة الكمبيوتر تجزئة الورم الدبقي، تم تحويل انتباهنا نحو المحولات التي أثبتت إمكانات كبيرة، مؤخرًا، لمهمة التصوير الطبي. يتم اقتصاص (LGG) لتصنيفها للتمييز بين الأورام الدبقية منخفضة الدرجة SVM مناطق الاهتمام التي تم الحصول عليها ثم نقلها إلى ..٪ على أساس القياس الكمي للنسيج. يعطي النهج المُساهم نتائج تصل إلى دقة 9Le gliome cause le taux de mortalité le plus élevé parmi les tumeurs cérébrales. En effet, environ 33 % des tumeurs cérébrales diagnostiquées consistent en des gliomes. Dans ce sens, l'IRM est principalement utilisée pour déterminer le degré et la position des gliomes étendus en raison de son contraste remarquable. Cependant, le diagnostic manuel est inefficace et nécessite à la fois l'expertise et l'expérience du radiologue. Par conséquent, des systèmes de diagnostic assisté par ordinateur (CAD) ont été développés pour aider les neuro-oncologues dans le dépistage du cancer du cerveau. En effet, durant le processus de segmentation du gliome, notre attention a été détournée vers le Transformer qui s'est avéré avoir un grand potentiel, récemment, pour la tâche de l’analyse de l'imagerie médicale. Les régions d'intérêt obtenues sont recadrées puis transmises à un SVM pour le processus de la classification afin de discriminer les gliomes de bas grade (LGG) et les gliomes de haut grade (HGG). L'approche contribuée aboutie à des résultats jusqu'à 90% de précision.