L’utilisation de l'apprentissage profond par transfert pour prédire le statut de la maladie d’Alzheimer

Simple item page
dc.contributor.authorBOKHTACHE, Maria
dc.contributor.authorKASSOUL, Asmaa
dc.date.accessioned2026-01-18T09:32:49Z
dc.date.available2026-01-18T09:32:49Z
dc.date.issued2024
dc.descriptionSpécialité : SYSTEM DES TELECOMMUNICATIONSen_US
dc.description.abstractLa maladie d'Alzheimer (MA) est une pathologie neurodégénérative qui altère significativement la mémoire, la pensée et le comportement. Un diagnostic précis de la MA est crucial pour une prise en charge et un traitement efficaces. L'imagerie par résonance magnétique (IRM) fournit des images détaillées du cerveau, et l'apprentissage profond propose des outils performants pour analyser ces images et identifier les caractéristiques associées à la MA. Cette étude présente un modèle d'apprentissage profond proposé basé sur l'architecture ResNet-101 pour la classification de la MA à partir d'images IRM. La précision, la sensibilité et le score F1 élevés du modèle suggèrent son potentiel en tant qu'outil d'aide à la décision intelligent pour le diagnostic clinique de la MA. Le modèle proposé obtient des performances supérieures à celles des modèles existants et des travaux antérieurs, démontrant son efficacité dans l'identification des quatre stades de la MAen_US
dc.identifier.urihttp://dspace.univ-chlef.dz/handle/123456789/2235
dc.publisherBAHI AZZOUOUM Ahmeden_US
dc.subjectMaladie d'Alzheimeen_US
dc.subjectimagerie par résonance magnétique (IRM)en_US
dc.subjectapprentissage profonden_US
dc.titleL’utilisation de l'apprentissage profond par transfert pour prédire le statut de la maladie d’Alzheimeren_US
dc.typeThesisen_US

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
L'utilisation de l'apprentissage profond par transfert pour le statut de la maladie d'alzheimer.pdf
Size:
7.68 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Master II en Electronique et Electrotéchnique