Projet de fin d'étude : Détection des anomalies par classification des images médicales cérébrales à base d’architecture, VGG16 et EfficientNet-B3

Etudiant : MOSSADEQ BOUTAINA

Filière : LF Sciences Mathématiques et Informatique

Encadrant : Pr. TAIRI HAMID

Annèe : 2024

Résumé : À travers ce projet, nous nous intéressons à la segmentation des IRM cérébrales pour détecter les anomalies (tumeurs) (pathologies/maladies) présentes dans ces images à base de Deep Learning. Afin de réaliser notre objectif, nous avons réalisé une synthèse de quelques algorithmes existants de la segmentation/classification des images afin de choisir les plus appropriés et les plus efficaces dans la littérature. Nous avons choisi d’implémenter deux architectures d’apprentissage approfondi pour la détection des tumeurs cérébrales dans les images IRM, VGG16 et EfficientNet-B3 dans un environnement cloud. Des résultats d’apprentissage et de test sont appliques sur le Dataset tumeur