Classification de Tumeurs Cérébrales À Base de Réseaux Bayésiens » książka
Classification de Tumeurs Cérébrales À Base de Réseaux Bayésiens
ISBN-13: 9783841748478 / Francuski / Miękka / 2018 / 124 str.
Dans ce travail, une approche de classification basA(c)e sur le formalisme des rA(c)seaux BayA(c)siens est proposA(c)e pour la modA(c)lisation d'un systA]me d'aide au diagnostic de tumeurs cA(c)rA(c)brales par interprA(c)tation des images mA(c)dicales. Nous nous sommes appuyA(c)s sur l'information relative A la forme et A la texture des rA(c)gions en relation avec la lA(c)sion tumorale sur des images IRM de sA(c)quences diffA(c)rentes. Dans une premiA]re partie, nous avons mis l'accent sur le processus de prA(c)traitement des images comprenant la dA(c)finition des rA(c)gions d'intA(c)rAat, l'extraction de caractA(c)ristiques et la sA(c)lection. Au niveau de cette derniA]re phase, plusieurs mA(c)thodes de rA(c)duction de dimensionnalitA(c) dA(c)crites dans la littA(c)rature ont A(c)tA(c) utilisA(c)es ainsi que d'autres algorithmes que nous avons proposA(c)s dans le but de ne conserver que l'information utile au diagnostic. Ensuite nous avons procA(c)dA(c) A la construction de trois modA]les de rA(c)seaux BayA(c)siens, de structures diffA(c)rentes. Enfin nous avons menA(c) une A(c)tude expA(c)rimentale sur les modA]les proposA(c)s et nous avons effectuA(c) une comparaison avec la mA(c)thode des k plus proches voisins en tant que l'un des classifieurs les plus connus dans la littA(c)rature.
Dans ce travail, une approche de classification basée sur le formalisme des réseaux Bayésiens est proposée pour la modélisation dun système daide au diagnostic de tumeurs cérébrales par interprétation des images médicales. Nous nous sommes appuyés sur linformation relative à la forme et à la texture des régions en relation avec la lésion tumorale sur des images IRM de séquences différentes. Dans une première partie, nous avons mis laccent sur le processus de prétraitement des images comprenant la définition des régions dintérêt, lextraction de caractéristiques et la sélection. Au niveau de cette dernière phase, plusieurs méthodes de réduction de dimensionnalité décrites dans la littérature ont été utilisées ainsi que dautres algorithmes que nous avons proposés dans le but de ne conserver que linformation utile au diagnostic. Ensuite nous avons procédé à la construction de trois modèles de réseaux Bayésiens, de structures différentes. Enfin nous avons mené une étude expérimentale sur les modèles proposés et nous avons effectué une comparaison avec la méthode des k plus proches voisins en tant que lun des classifieurs les plus connus dans la littérature.
Czytaj nas na:
KrainaKsiazek.PL - Księgarnia Internetowa
