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.
Détection des micro-calcifications par mammographie
Univ Europeenne - EAN : 9786202273237
Édition papier
EAN : 9786202273237
Paru le : 1 févr. 2018
35,90 €
34,03 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
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 : 9786202273237
- Réf. éditeur : 2719643
- Editeur : Univ Europeenne
- Date Parution : 1 févr. 2018
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 72
- Format : H:229 mm L:152 mm E:4 mm
- Poids : 120gr
- Interdit de retour : Retour interdit
- Résumé : Le cancer du sein est la première cause de mortalité chez les femmes. L'outil principal de dépistage est la mammographie. La détection de micro-calcifications est une tache importante et délicate pour le diagnostic précoce de ce cancer. Nous avons proposé un algorithme basé sur la classification supervisé par réseaux de neurones et non supervisées en utilisant le K-Plus-Proche voisins et le Fuzzy C-Means. La validation a été effectuée en utilisant la base de données publique MIAS présentant 322 images mammographiques dont 24 comportant des microcalcifications. Les résultats obtenus sont évalués par le calcul de taux de reconnaissance et le temps d'exécution, ce qui nous a permis de faire une étude comparative entre les trois approches proposées. Nous avons obtenu un taux de reconnaissance de 46% pour K-means, 51% pour Fuzzy C-means et 52% pour le réseau de neurones. D'autre part, nous avons enregistré un temps d'exécution de 41s pour K-means, 5s pour Fuzzy C-means et 219s pour le réseau de neurones. Ceci nous a permis de conclure que l'approche Fuzzy C-means est la meilleure en termes de performances et de qualité d'images.









