Autoencodeurs variationnels pour l'élimination des poils dans les images dermoscopiques
| dc.contributor.author | Ghezal Nour-El-Houda Hamzaoui Abdeldjalil | |
| dc.date.accessioned | 2024-09-19T10:31:29Z | |
| dc.date.available | 2024-09-19T10:31:29Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | Le mélanome est un type très dangereux du cancer de la peau qui tue beaucoup de personnes chaque année. Le diagnostic précoce augmente le taux de survie de ce cancer. Donc, récemment plusieurs techniques automatiques qui basent sur le machine learning ont été apparait. Mais, comme les images dermoscopiques utilisées dans l’apprentissage sont couvert es par des poils, le diagnostic ne peut pas être considéré fiable. Pour cela, dans ce travail, nous proposons un modèle qui utilise le deep learning pour l’élimination automatique des poils dans les images dermoscopiques. Nous allons construire un autoencodeur variationnel qui considère les poils comme un bruit durant la production du latent space. Le modèle proposé se compose d’un encodeur, du latent space et d’un décodeur. L’encodeur passe l’image encodé vers le latent space puis vers le décodeur qui fait la générat ion d’une image presque ident ique à celle donnée comme entrée, mais sans poils. Les expériences menées montrent la fiabilité de notre méthode. | |
| dc.identifier.uri | http://dspace.univ-khenchela.dz:4000/handle/123456789/6665 | |
| dc.language.iso | fr | |
| dc.title | Autoencodeurs variationnels pour l'élimination des poils dans les images dermoscopiques | |
| dc.type | Thesis |