Segmentation automatisée des images médicales cérébrales

Notice brève
dc.contributor.authorNASSER Soraya
dc.date.accessioned2022-10-26T09:04:44Z
dc.date.available2022-10-26T09:04:44Z
dc.date.issued2021-10-07
dc.description.abstractL'hippocampe est une structure complexe du cerveau bilatéral située dans le lobe temporal sous la surface du cortex, sa fonction est indispensable dans les processus cognitifs, c'est l'une des premières structures touchées dans la maladie d'Alzheimer, l'épilepsie et la schizophrénie par des atrophies volumétrique détectée dans leurs couches et cela peut être mesuré par segmentation à partir d'images par résonance magnétique (IRM). La segmentation manuelle de l'IRM de l'hippocampe peut prendre beaucoup de temps et d'efforts et peu de reproductibilité ce qui nous amène à réfléchir à la recherche de techniques automatiques qui introduisent des gains substantiels. En revanche, la mise en œuvre de ces méthodes est un défi en raison du faible contraste de cette structure par rapport aux zones voisines du cerveau et du manque de données annotées par rapport aux images cérébrales tumorales. Cette thèse apporte des solutions à cette problématique par la mise en place des méthodes automatisées de segmentation de l'hippocampe à l'aide des réseaux de neurones convolutionnels (CNN). Trois architectures CNN basés sur l'architecture U-net visant à segmenter l'hippocampe sont présentées dans ce travail, un réseau destiné pour détecter l'hippocampe comme une seule entité et deux autres réseaux a pour but de segmenter les sous régions hippocampiques. Les modèles proposés sont entrainés sur des données réelles du (NITRC) (NeuroImaging Tools & Resources Collaboratory (NITRC)) annotées par le logiciel ITK-SNAP. Nous analysons ces réseaux à côté d'autres méthodes récentes de segmentation hippocampique, les résultats obtenus sont encourageants et atteignent des scores de Dice supérieurs à 0,84.
dc.formatpdf
dc.identifier.urihttps://dspace.univ-oran1.dz/handle/123456789/205
dc.language.isofr
dc.publisherUniversité Oran1 Ahmed Ben Bella
dc.subjectApprentissage
dc.subjectArchitecture U-net
dc.subjectConvolution transposée
dc.subjectHippocampe
dc.subjectImages cérébrales
dc.subjectITKSNAP
dc.subjectNeuroImaging Tools &Resources Collaboratory
dc.subjectNITRC
dc.subjectRéseaux de neurones convolutionnel
dc.subjectSegmentation sémantique
dc.titleSegmentation automatisée des images médicales cérébrales
dc.typeThesis
grade.Co-rapporteurNAOUI Moulkheir, MCB, Université Oran 1
grade.ExaminateurCHIKH Mohamed Amine, Professeur, Université Abou Bekr Belkaid Tlemcen
grade.ExaminateurRAHAL Sidi Ahmed Hebri, Professeur, Université USTO-MB
grade.ExaminateurCHOURAQUI Samira, Professeur, Université USTO-MB
grade.ExaminateurATMANI Baghdad, Professeur, Université Oran 1
grade.PrésidentHAMDADOU Djamila, Professeur, Université Oran 1
grade.RapporteurBELALEM Ghalem, Professeur, Université Oran 1
l'article.1.DateParutionAoût 2021
l'article.1.RevueInternational Journal of E-Health and Medical Communications (IJEHMC)
l'article.1.RéférenceNasser, S., Naoui, M., Belalem, G., & Mahmoudi, S. (2021). Semantic Segmentation of hippocampal subregions with U-Net architecture. International Journal of E-Health and Medical Communications (IJEHMC), 12(6) 1-20. http://doi.org/10.4018/IJEHMC.20211101.oa4.
l'article.1.TitreSemantic Segmentation of hippocampal subregions with U-Net architecture
la.MentionTrès honorables
la.SpécialitéINFORMATIQUE
la.coteTH5251
Fichiers
Bundle original
Voici les éléments 1 - 1 sur 1
Vignette d'image
Nom :
TH5251.pdf
Taille :
3.42 MB
Format :
Adobe Portable Document Format
Description :
Télécharger
Bundle de license
Voici les éléments 1 - 1 sur 1
Pas de vignette d'image disponible
Nom :
license.txt
Taille :
1.71 KB
Format :
Item-specific license agreed to upon submission
Description :
Télécharger
Collections
Thèses de Doctorat "Informatique"