Détection précoce de kératocône dans les images de la topographie cornéenne

dc.contributor.authorLemou, Sara
dc.contributor.authorAmmar, Mohammed(Promoteur)
dc.date.accessioned2022-05-17T06:56:05Z
dc.date.available2022-05-17T06:56:05Z
dc.date.issued2021
dc.description76 p. ill. : 30 cmen_US
dc.description.abstractLe kératocône est une maladie oculaire qui affecte directement la cornée. Le but de ce travail est d'aide la détection précoce du kératocône, Nous avons utilisé deux modèles: CNN simple et le modèle Alexnet. Nous avons utilisé une base de données locale constituée de 274patients. Nous avons testé deux architectures, l'une basée sur CNN et la seconde basée sur le modèle Alexnet avec les algorithmes d'apprentissage " Adam, Rmsprop, et Sgdm ". Les résultats obtenus ont montré que le modèle Alexnet avec l'algorithme "Rmsprop" donne le meilleur TC= 95,6%, par contre le modèle CNN avec la fonction SGDM donne la meilleure sensibilité (92.1%)en_US
dc.identifier.urihttps://dspace.univ-boumerdes.dz/handle/123456789/8289
dc.language.isofren_US
dc.publisherUniversité M'Hamed Bougara Boumerdès: Faculté de Technologie
dc.subjectClassificationen_US
dc.subjectKératocône (KC)en_US
dc.subjectApprentissage profond(DL)en_US
dc.titleDétection précoce de kératocône dans les images de la topographie cornéenneen_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Lemou, Sara.pdf
Size:
4.7 MB
Format:
Adobe Portable Document Format

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: