| Titre : | Analyse des images médicales |
| Auteurs : | FATMA ZOHRA KRIBAA, Auteur ; Farah Fekraoui, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2021 |
| Format : | 1 vol. (60 p.) / ill. / 29 cm |
| Langues: | Français |
| Mots-clés: | Image médicale, réseau de neurone artificielle, Segmentation, apprentissage,Covid-19. |
| Résumé : | La propagation du coronavirus "SARS-CoV-2", qui est liée à la maladie appelée "Covid-19" à l’origine de la pandémie, a bouleversé la santé mondiale et l’économie,entraînant des mesures pour limiter le nombre d’épidémies. La détection précoce du virus et avec précision aide le malade à la guérison et réduit d’avantage le nombre de victimes. Le présent travail vise à concevoir un système d’aide à la décision fondé sur les réseaux de neurones artificiels pour la classification et la détection de la pathologie du covd-19 dans des images CT-Scan du poumon. Une première étape de segmentation s’avère nécessaire afin de délimiter toutes les régions de l’image à traiter afin que notre réseau soit capable de réaliser la classification et l’analyse. |
| Sommaire : |
0.1 Introduction Générale . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.1.1 Contexte générale . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1 Imagerie médicale et maladies des poumons 3 1.1 Introduction : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2 Définition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.3 Définition d’une image numérique : . . . . . . . . . . . . . . . . . . . . 4 1.4 Modalités d’acquisition des images médicales. : . . . . . . . . . . . . . . 4 1.4.1 Radiographie : . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.4.2 Echographie : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.4.3 Imagerie par Résonance Magnétique (IRM) : . . . . . . . . . . 6 1.4.4 Le scanner : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.4.5 Endoscopie : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.4.6 Scintigraphie : . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.4.7 Visualisation des images médicales : . . . . . . . . . . . . . . . . 8 1.4.7.1 Logiciel d’analyse d’images médicales : . . . . . . . . . 9 1.5 Les maladies des poumons : . . . . . . . . . . . . . . . . . . . . . . . . 10 1.5.1 Poumons : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.5.2 Les voies respiratoires . . . . . . . . . . . . . . . . . . . . . . . 11 1.5.3 Structure : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.6 Maladie des poumons : . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.6.1 Les infections pulmonaires : . . . . . . . . . . . . . . . . . . . . 12 1.6.2 Tabagisme peut entraîner une bronchopneumopathie chronique obstructive (BPCO) : . . . . . . . . . . . . . . . . . . . . . . . . 12 1.6.3 L’embolie pulmonaire : . . . . . . . . . . . . . . . . . . . . . . . 12 1.6.4 Le cancer du poumon : . . . . . . . . . . . . . . . . . . . . . . . 13 1.6.5 COVID-19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.7 Coronavirus et les poumons : . . . . . . . . . . . . . . . . . . . . . . . 14 1.8 Présetation scanographoque typique : . . . . . . . . . . . . . . . . . . . 15 1.9 Signes scanner de gravité : . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.10 Diagnostics différentiels : . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.11 Géométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.12 Conclusion : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2 Réseaux de neurones et segmentation : 18 2.1 Introduction : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2 Définition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3 Neurone : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.3.1 Réseau multicouche : . . . . . . . . . . . . . . . . . . . . . . . . 20 2.3.2 Réseau monocouche : . . . . . . . . . . . . . . . . . . . . . . . . 20 2.4 Vision par ordinateur : . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.4.1 La vision : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.4.2 La vision par ordinateur : . . . . . . . . . . . . . . . . . . . . . 21 2.4.3 Opération d’analyse d’image de vision par ordinateur : . . . . . 21 2.4.4 Architecture de réseau : . . . . . . . . . . . . . . . . . . . . . . 22 2.5 Types de réseaux neuronaux : . . . . . . . . . . . . . . . . . . . . . . . 22 2.5.1 Le réseau de neurones feed-forward : . . . . . . . . . . . . . . . 22 2.5.2 Le perceptron multicouche (PMC) : . . . . . . . . . . . . . . . . 23 2.5.3 Le perceptron de Rosenblatt : . . . . . . . . . . . . . . . . . . . 23 2.6 L’apprentissage automatique : . . . . . . . . . . . . . . . . . . . . . . . 23 2.6.1 Types d’algorithme d’apprentissage automatique : . . . . . . . . 24 2.6.2 Apprentissage supervisé : . . . . . . . . . . . . . . . . . . . . . 24 2.6.3 Apprentissage non supervisé : . . . . . . . . . . . . . . . . . . . 25 2.6.4 Apprentissage semi supervisé : . . . . . . . . . . . . . . . . . . 25 2.6.5 Apprentissage de renforcement : . . . . . . . . . . . . . . . . . 26 2.7 L’apprentissage profond : . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.8 Problèmes d’apprentissage : . . . . . . . . . . . . . . . . . . . . . . . . 27 2.8.1 Choix d’architecture : . . . . . . . . . . . . . . . . . . . . . . . . 27 2.8.2 Minima locaux : . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.9 La segmentation de l’image : . . . . . . . . . . . . . . . . . . . . . . . . 28 2.9.1 Approches régions : . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.9.2 Approches contours : . . . . . . . . . . . . . . . . . . . . . . . . 29 2.10 Conclusion : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3 Conception : 31 3.1 Introduction : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 3.2 Conception global : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 3.3 Conception détaillée : . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.3.1 Module de prétraitement : . . . . . . . . . . . . . . . . . . . . . 33 3.3.2 Filtre : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 3.3.3 Filtre Mediane : . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 3.4 Segmentation des images médicales : . . . . . . . . . . . . . . . . . . . 34 3.4.1 Définition de la texture : . . . . . . . . . . . . . . . . . . . . . . 34 3.4.2 Segmentation d’une texture : . . . . . . . . . . . . . . . . . . . 34 3.4.3 Définition de le seuillage : . . . . . . . . . . . . . . . . . . . . . 35 3.5 Classification image medicale et les réseaux de neurones artificiels : . . 35 3.5.1 Définition de la classification : . . . . . . . . . . . . . . . . . . . 36 3.5.2 Histograme : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 3.5.3 La variance statistique d’une zone homogène dans l’image : . . . 36 3.6 Conclusion : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 4 implémentation et analyse des résultats : 38 4.1 Introduction : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 4.2 Environnements et outils de développement : . . . . . . . . . . . . . . 38 4.2.1 Python : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 4.2.2 Anaconda : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4.2.3 Spyder : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4.2.4 TensorFlow : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.2.5 Keras : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.2.6 Opencv : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 4.2.7 NumPy : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 4.2.8 Pandas : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 4.2.9 Matplotlib : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 4.3 Initialisation des paramètres : . . . . . . . . . . . . . . . . . . . . . . 43 4.3.1 Préparation des données : . . . . . . . . . . . . . . . . . . . . . 43 4.3.2 Importer des bibliothèques et des modules : . . . . . . . . . . . 43 4.3.3 Description les Bibliothèqueset les modules utilise : . . . . . . . 43 4.3.4 Chargement des données : . . . . . . . . . . . . . . . . . . . . 44 4.3.5 Création du modèle : . . . . . . . . . . . . . . . . . . . . . . . 45 4.3.6 Résultats : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 4.4 Résultats expérimentaux : . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.5 Résultats final : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 4.6 Conclusion : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 4.7 Conclusion générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 Bibliographie 53 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/611 | Mémoire master | bibliothèque sciences exactes | Consultable |
