Diagnostic de COVID-19 à base des méthodes d'apprentissage profond.

dc.contributor.author	Bouraoui, Bilel
dc.contributor.author	Belabed, Soufyane
dc.contributor.author	Bouraoui, Imane (Encadreur)
dc.date.accessioned	2023-02-19T09:00:25Z
dc.date.available	2023-02-19T09:00:25Z
dc.date.issued	2022
dc.identifier.uri	http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/12458
dc.description	Option: Système embarqué	fr_FR
dc.description.abstract	L'objectif principale de ce modeste travail est de classifier les différentes images obtenues des la radiographie pulmonaire pour diagnostiquer et détecter si une personne est atteinte de le COVID-19. Nous avons utilisé différentes méthodes d'apprentissage profond en base des réseaux de neurones convolutionnels (CNN) où nous avons sélectionné un ensemble de modèles pour les appliquer : (VGG-16, VGG-19, ResNet-50 et mobil-net) sur deux différentes bases de données. Les résultats obtenus sont encourageant pour faciliter le processus de diagnostic aux médecins.	fr_FR
dc.language.iso	fr	fr_FR
dc.publisher	Université de Jijel	fr_FR
dc.subject	COVID-19, Thorax, Tomodensitométrie, Apprentissage profond , Réseaux neuronaux convolutionnels (CNN).	fr_FR
dc.title	Diagnostic de COVID-19 à base des méthodes d'apprentissage profond.	fr_FR
dc.type	Thesis	fr_FR