|
Depot Institutionnel de l'UMBB >
Mémoires de Master 2 >
Faculté de Technologie >
Ingénierie des Systèmes Electriques >
Instrumentation Biomédicale >
Veuillez utiliser cette adresse pour citer ce document :
http://dlibrary.univ-boumerdes.dz:8080/handle/123456789/8289
|
| Titre: | Détection précoce de kératocône dans les images de la topographie cornéenne |
| Auteur(s): | Lemou, Sara |
| Mots-clés: | Classification
Kératocône (KC)
Apprentissage profond(DL) |
| Date de publication: | 2021 |
| Résumé: | Le kératocône est une maladie oculaire qui affecte directement la cornée. Le but de ce travail est d'aide la détection précoce du kératocône, Nous avons utilisé deux modèles: CNN simple et le modèle Alexnet. Nous avons utilisé une base de données locale constituée de 274patients. Nous avons testé deux architectures, l'une basée sur CNN et la seconde basée sur le modèle Alexnet avec les algorithmes d'apprentissage " Adam, Rmsprop, et Sgdm ". Les résultats obtenus ont montré que le modèle Alexnet avec l'algorithme "Rmsprop" donne le meilleur TC= 95,6%, par contre le modèle CNN avec la fonction SGDM donne la meilleure sensibilité (92.1%) |
| Description: | 76 p. ill. : 30 cm |
| URI/URL: | http://dlibrary.univ-boumerdes.dz:8080/handle/123456789/8289 |
| Collection(s) : | Instrumentation Biomédicale
|
Fichier(s) constituant ce document :
|
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.
|
