Multi-interest U-Net for Medical Image Segmentation
| dc.contributor.author | ABDELMOULA Zouhir | |
| dc.contributor.author | MADJIDI Mohamed Adib | |
| dc.date.accessioned | 2024-07-01T08:34:08Z | |
| dc.date.available | 2024-07-01T08:34:08Z | |
| dc.date.issued | 2024-07-01 | |
| dc.description.abstract | La segmentation des images médicales joue un rôle central dans diverses applications cliniques, facilitant le diagnostic, la planification des traitements et la surveillance des maladies. Parmi les principales architectures, U-net, U-net++ et U-net3+ sont apparus comme des choix de premier ordre, chacune offrant des avancées uniques dans la capture d’informations contextuelles et l’amélioration de la précision de la segmentation. Cette thèse présente une analyse comparative de ces trois modèles, en se concentrant sur leurs performances et leur efficacité de calcul dans un jeu de données d’imagerie médicale. Grâce à l’expérimentation et à l’évaluation, des informations sur les forces et les faiblesses de chaque architecture sont fournies, ce qui permet de mieux comprendre leur applicabilité dans des cas réels. | |
| dc.identifier.other | EL/2024 | |
| dc.identifier.uri | https://repository.univ-msila.dz/handle/123456789/42924 | |
| dc.language.iso | fr | |
| dc.subject | Segmentation d’images médicales | |
| dc.subject | Unet | |
| dc.subject | Unet++ | |
| dc.subject | Unet3+ | |
| dc.subject | Analyse comparative | |
| dc.subject | Évaluation de la performance | |
| dc.title | Multi-interest U-Net for Medical Image Segmentation | |
| dc.type | Thesis |