Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
CLASSIFICATION DE TUMEURS CEREBRALES A BASE DE RESEAUX BAYESIENS
Univ Europeenne - EAN : 9783841748478
Édition papier
EAN : 9783841748478
Paru le : 16 févr. 2015
49,90 €
47,30 €
Epuisé
Pour connaître votre prix et commander, identifiez-vous
Manquant sans date
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783841748478
- Réf. fournisseur : 5948485
- Editeur : Univ Europeenne
- Date Parution : 16 févr. 2015
- Disponibilite : Manque sans date
- Barème de remise : NS
- Nombre de pages : 124
- Format : 0.70 x 15.20 x 22.90 cm
- Poids : 194gr
- Interdit de retour : Retour interdit
- Résumé : Dans ce travail, une approche de classification basée sur le formalisme des réseaux Bayésiens est proposée pour la modélisation d'un système d'aide au diagnostic de tumeurs cérébrales par interprétation des images médicales. Nous nous sommes appuyés sur l'information relative à la forme et à la texture des régions en relation avec la lésion tumorale sur des images IRM de séquences différentes. Dans une première partie, nous avons mis l'accent sur le processus de prétraitement des images comprenant la définition des régions d'intérêt, l'extraction de caractéristiques et la sélection. Au niveau de cette dernière phase, plusieurs méthodes de réduction de dimensionnalité décrites dans la littérature ont été utilisées ainsi que d'autres algorithmes que nous avons proposés dans le but de ne conserver que l'information utile au diagnostic. Ensuite nous avons procédé à la construction de trois modèles de réseaux Bayésiens, de structures différentes. Enfin nous avons mené une étude expérimentale sur les modèles proposés et nous avons effectué une comparaison avec la méthode des k plus proches voisins en tant que l'un des classifieurs les plus connus dans la littérature.
