Segmentation sémantique d’images médicales pour la radiothérapie assistée par ordinateur / Amel Bakhouche (2023) 

Public ISBD Titre : Segmentation sémantique d’images médicales pour la radiothérapie assistée par ordinateur Type de document : document électronique Auteurs : Amel Bakhouche, Auteur ; Oussama Arki, Directeur de thèse ; Diana Mateus, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2023 Importance : 1 fichier PDF (7.2 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2023 Bibliogr. P. 89 - 92 Langues : Français (fre) Mots-clés : Imagerie médicale Intelligence artificielle Organes à risque Radiothérapie ciblée Segmentation d’images Tumeurs cérébrales Vision par ordinateur Index. décimale : PI02523 Résumé : Cette étude se concentre sur la segmentation d’organes à risque entourant les tumeurs cérébrales en utilisant des images tomodensitométriques (CT) et des imageries par résonance magnétique (IRM). Notre objectif principal était de faciliter la planification d’une radiothérapie ciblée en délimitant précisément les organes à risque. Nous avons développé une méthodologie basée sur l’apprentissage profond, en utilisant un ensemble de données comprenant initialement des images de 51 sujets. Tout au long du développement de cette méthode, nous avons dû faire face à des défis liés à la multilabélisation et aux variations de taille et de déformation des organes provoquées par les tumeurs. Malgré cela, nous avons tout de même réussi à obtenir des segmentations de bonne qualité, comme en témoignent nos évaluations à la fois quantitatives et qualitatives visuelles approfondies. Segmentation sémantique d’images médicales pour la radiothérapie assistée par ordinateur [document électronique] / Amel Bakhouche, Auteur ; Oussama Arki, Directeur de thèse ; Diana Mateus, Directeur de thèse . - [S.l.] : [s.n.], 2023 . - 1 fichier PDF (7.2 Mo) : ill. Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2023 Bibliogr. P. 89 - 92 Langues : Français (fre) Mots-clés : Imagerie médicale Intelligence artificielle Organes à risque Radiothérapie ciblée Segmentation d’images Tumeurs cérébrales Vision par ordinateur Index. décimale : PI02523 Résumé : Cette étude se concentre sur la segmentation d’organes à risque entourant les tumeurs cérébrales en utilisant des images tomodensitométriques (CT) et des imageries par résonance magnétique (IRM). Notre objectif principal était de faciliter la planification d’une radiothérapie ciblée en délimitant précisément les organes à risque. Nous avons développé une méthodologie basée sur l’apprentissage profond, en utilisant un ensemble de données comprenant initialement des images de 51 sujets. Tout au long du développement de cette méthode, nous avons dû faire face à des défis liés à la multilabélisation et aux variations de taille et de déformation des organes provoquées par les tumeurs. Malgré cela, nous avons tout de même réussi à obtenir des segmentations de bonne qualité, comme en témoignent nos évaluations à la fois quantitatives et qualitatives visuelles approfondies.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00639	PI02523	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Data sciences_Intelligence artificielle	Téléchargeable

Documents numériques

BAKHOUCHE.Amel.pdf URL