Un réseau neuronal artificiel à couches profondes (BPNN) pour l'identification de la polyarthrite rhumatoïde

La polyarthrite rhumatoïde est une maladie chronique dangereuse qui doit être analysée et détectée à un stade précoce. L'objectif de cette thèse est donc de développer une nouvelle approche pour l'identification de la polyarthrite rhumatoïde à l'aide de techniques de traitement d'images du genou et d'un classificateur à réseau neuronal. Ainsi, toute image du genou fournie doit être classée comme normale ou anormale. Le système proposé utilise des images de genoux provenant d'une base de données créée comprenant 300 images pour la phase d'apprentissage et 300 images pour la phase de test. Les techniques de traitement d'images utilisées facilitent le diagnostic de cette maladie en analysant et en mettant en évidence les signes et symptômes de la polyarthrite rhumatoïde grâce à l'extraction des caractéristiques ou des modèles utiles et nécessaires, tels que la distance entre les os fémoral et tibial, les lésions articulaires, l'élargissement et le raidissement des os. De plus, le système développé aide les médecins à classer avec précision les images radiographiques du genou atteintes de PR, car il est conçu pour stimuler l'inspection visuelle humaine qui repose sur la visualisation de certaines caractéristiques et signes liés à la PR.

Pagina's: 64, Paperback, Editions Notre Savoir