Master theses

Permanent URI for this collectionhttps://dspace.univ-soukahras.dz/handle/123456789/26

Browse

Filters

20231

Settings

Author: search.filters.author.Abdesslem Bensebihi

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    L’INDENTIFICATION DES MALADIES OCCULAIRES EN UTILISANT L’APPRENTISSAGE PROFOND
    (2023) Abdesslem Bensebihi
    Vision and eye health are one of the most crucial things in human life. Millions of people are affected by retinal abnormalities worldwide like Diabetic Retinopathy (DR) and Age-Related Macular Degeneration (AMD). Early detection and proper treatment of eye diseases are necessary for avoiding loss of sight and enhancement of quality of life. Manual disease detection is time-consuming, tedious and lacks repeatability. Recently, deep learning particularly convolutional neural networks (CNNs) are the most used for image classification tasks like retinal disease classification and have shown promising results. Moreove, the usage of pre-trained networks such as VGG-16, via transfer learning has been proven to be efficient for image analysis. In our study, we will address the problem of the automatic detection of disease states of the retina by designing and implementing a system that based on two artificially intelligent models. The proposed system is based on one hand, on CNN model and on the other hand, on the VGG-16 model which is empowered by transfer learning. The two used models can learn from a data set of images taken with optical coherence tomography (OCT) and classify them into four conditions of the : choroidal neovascularization (CNV), drusen, diabetic macular edema(DME), and normal form. The training and the tests datasets (taken from kaggle web site) consist of 32064 and 980 instances of OCT retinal images respectively. Experimental results show that the proposed system is an effective technique for automatically detecting the disease state of the retina. -------------------------------------------------------------------------------------- اﻟﺮؤﯾﺔ وﺻﺤﺔ اﻟﻌﯿﻦ ﻣﻦ أھﻢ اﻷﺷﯿﺎء ﻓﻲ ﺣﯿﺎة اﻹﻧﺴﺎن. ﯾﺘﺄﺛﺮ ﻣﻼﯾﯿﻦ اﻷﺷﺨﺎص ﺑﺘﺸﻮھﺎت اﻟﺸﺒﻜﯿﺔ ﻓﻲ ﺟﻤﯿﻊ أﻧﺤﺎء اﻟﻌﺎﻟﻢ ﻣﺜﻞ اﻋﺘﻼل اﻟﺸﺒﻜﯿﺔ اﻟﺴﻜﺮي (DR) واﻟﻀﻤﻮر اﻟﺒﻘﻌﻲ اﻟﻤﺮﺗﺒﻂ ﺑﺎﻟﻌﻤﺮ . ﯾﻌﺪ اﻟﻜﺸﻒ اﻟﻤﺒﻜﺮ ﻋﻦ أﻣﺮاض اﻟﻌﯿﻮن وﻋﻼﺟﮭﺎ ﺑﺸﻜﻞ ﻣﻨﺎﺳﺐ ﺿﺮورﯾﯿﻦ ﻟﺘﺠﻨﺐ ﻓﻘﺪان اﻟﺒﺼﺮ وﺗﺤﺴﯿﻦ ﻧﻮﻋﯿﺔ اﻟﺤﯿﺎة. ﯾﺴﺘﻐﺮق اﻟﻜﺸﻒ اﻟﯿﺪوي ﻋﻦ اﻟﻤﺮض وﻗﺘًﺎ طﻮﯾﻼً، ﻛﻤﺎ أﻧﮫ ﻣﻤﻞ. ﻓﻲ اﻵوﻧﺔ اﻷﺧﯿﺮة اﻟﺮؤﯾﺔ وﺻﺤﺔ اﻟﻌﯿﻦ ﻣﻦ أھﻢ اﻷﺷﯿﺎء ﻓﻲ ﺣﯿﺎة اﻹﻧﺴﺎن. ﯾﺘﺄﺛﺮ ﻣﻼﯾﯿﻦ اﻷﺷﺨﺎص ﺑﺘﺸﻮھﺎت اﻟﺸﺒﻜﯿﺔ ﻓﻲ ﺟﻤﯿﻊ أﻧﺤﺎء اﻟﻌﺎﻟﻢ ﻣﺜﻞ اﻋﺘﻼل اﻟﺸﺒﻜﯿﺔ اﻟﺴﻜﺮي (DR) واﻟﻀﻤﻮر اﻟﺒﻘﻌﻲ اﻟﻤﺮﺗﺒﻂ ﺑﺎﻟﻌﻤﺮ .(AMD) ﯾﻌﺪ اﻟﻜﺸﻒ اﻟﻤﺒﻜﺮ ﻋﻦ أﻣﺮاض اﻟﻌﯿﻮن وﻋﻼﺟﮭﺎ ﺑﺸﻜﻞ ﻣﻨﺎﺳﺐ ﺿﺮورﯾﯿﻦ ﻟﺘﺠﻨﺐ ﻓﻘﺪان اﻟﺒﺼﺮ وﺗﺤﺴﯿﻦ ﻧﻮﻋﯿﺔ اﻟﺤﯿﺎة. ﯾﺴﺘﻐﺮق اﻟﻜﺸﻒ اﻟﯿﺪوي ﻋﻦ اﻟﻤﺮض وﻗﺘًﺎ طﻮﯾﻼً ، ﻛﻤﺎ أﻧﮫ ﻣﻤﻞ وﯾﻔﺘﻘﺮ ، ﻛﻤﺎ أﻧﮫ ﻣﻤﻞ وﯾﻔﺘﻘﺮ إﻟﻰ اﻟﻤﻮﺛﻮﻗﯿﺔ. ﻓﻲ اﻵوﻧﺔ اﻷﺧﯿﺮة ، اﻟﺘﻌﻠﻢ اﻟﻌﻤﯿﻖ وﺧﺎﺻﺔ اﻟﺸﺒﻜﺎت اﻟﻌﺼﺒﯿﺔ اﻟﺘﻼﻓﯿﻔﯿﺔ (CNNs) ھﻲ اﻷﻛﺜﺮ اﺳﺘﺨﺪا ًﻣﺎ ﻟﻤﮭﺎم ﺗﺼﻨﯿﻒ اﻟﺼﻮر ﻣﺜﻞ ﺗﺼﻨﯿﻒ أﻣﺮاض اﻟﺸﺒﻜﯿﺔ وﻗﺪ أظﮭﺮت ﻧﺘﺎﺋﺞ واﻋﺪة. ﻋﻼوة ﻋﻠﻰ ذﻟﻚ ، ﻓﻘﺪ ﺛﺒﺖ أن اﺳﺘﺨﺪام اﻟﺸﺒﻜﺎت اﻟﻤﺪرﺑﺔ ﻣﺴﺒﻘًﺎ ﻣﺜﻞ VGG-16 ﻋﺒﺮ اﻟﺘﻌﻠﻢ ﺑﺎﻟﻨﻘﻞ ﻧﺘﺎﺋﺞ ﻓﻌﺎﻟﺔ ﻓﻲ ﺗﺤﻠﯿﻞ اﻟﺼﻮراﻟﻄﺒﯿﺔ . ﻓﻲ ھﺬه اﻟﺪراﺳﺔ، ﺳﻨﺘﻨﺎول ﻣﺸﻜﻠﺔ اﻟﻜﺸﻒ اﻟﺂﻟﻲ ﻋﻦ اﻟﺤﺎﻻت اﻟﻤﺮﺿﯿﺔ ﻟﺸﺒﻜﯿﺔ اﻟﻌﯿﻦ ﻣﻦ ﺧﻼل ﺗﺼﻤﯿﻢ وﺗﻨﻔﯿﺬ ﻧﻈﺎم ﯾﻌﺘﻤﺪ ﻣﻦ ﺟﮭﺔ، ﻋﻠﻰ ﻧﻤﻮذج CNN وﻣﻦ ﺟﮭﺔ أﺧﺮى، ﻋﻠﻰ ﻧﻤﻮذج VGG-16. اﻟﻨﻤﻮذﺟﺎن ﯾﺴﺘﺨﺪﻣﺎن ﻣﺠﻤﻮﻋﺔ ﺑﯿﺎﻧﺎت ﻣﻦ اﻟﺼﻮر اﻟﺘﻲ ﺗﻢ اﻟﺘﻘﺎطﮭﺎ ﺑﺎﺳﺘﺨﺪام اﻟﺘﺼﻮﯾﺮ اﻟﻤﻘﻄﻌﻲ اﻟﺒﺼﺮي (OCT) وﺗﺼﻨﯿﻔﮭﺎ إﻟﻰ أرﺑﻌﺔ ﺷﺮوط: اﺗﺴﺎع اﻷوﻋﯿﺔ اﻟﺪﻣﻮﯾﺔ اﻟﻤﺸﯿﻤﯿﺔ (CNV) ، و drusen ، واﻟﻮذﻣﺔ اﻟﺒﻘﻌﯿﺔ اﻟﺴﻜﺮي (DME) ، واﻟﺸﻜﻞ اﻟﻄﺒﯿﻌﻲ. ﺗﺘﻜﻮن ﻣﺠﻤﻮﻋﺎت ﺑﯿﺎﻧﺎت اﻟﺘﺪرﯾﺐ واﻻﺧﺘﺒﺎرات )اﻟﻤﺄﺧﻮذة ﻣﻦ ﻣﻮﻗﻊ kaggle ﻋﻠﻰ اﻟﻮﯾﺐ( ﻣﻦ 32064 و 980 ﺣﺎﻟﺔ ﻣﻦ ﺻﻮر ﺷﺒﻜﯿﺔ اﻟﻌﯿﻦ OCT ﻋﻠﻰ اﻟﺘﻮاﻟﻲ. ﺗﻈﮭﺮ اﻟﻨﺘﺎﺋﺞ اﻟﺘﺠﺮﯾﺒﯿﺔ أن اﻟﻨﻈﺎم اﻟﻤﻘﺘﺮح ھﻮ ﺗﻘﻨﯿﺔ ﻓﻌﺎﻟﺔ ﻟﻠﻜﺸﻒ اﻟﺘﻠﻘﺎﺋﻲ ﻋﻦ ﺣﺎﻟﺔ ﻣﺮض ﺷﺒﻜﯿﺔ اﻟﻌﯿﻦ. ---------------------------------------------------------------------------------- La vision et la santé des yeux sont l'une des choses les plus cruciales dans la vie humaine. Des millions de personnes sont touchées par des anomalies rétiniennes dans le monde comme : la rétinopathie diabétique (RD) et la dégénérescence maculaire liée à l'âge (DMLA). La détection précoce et le traitement approprié des maladies oculaires sont nécessaires pour éviter la perte de la vue et améliorer la qualité de la vie. La détection manuelle des maladies est une tache fastidieuse nécessitant beaucoup de temps. Récemment, l'apprentissage en profondeur, en particulier les réseaux de neurones convolutifs (CNNs), sont les plus utilisés pour la classification d'images médicales telles que la classification des maladies rétiniennes et ont montré des résultats prometteurs. De plus, l'utilisation de réseaux pré-entraînés tels que VGG-16, via l'apprentissage par transfert, s'est avérée efficace pour l'analyse d'images. Dans notre étude, nous aborderons le problème de la détection automatique des maladies de la rétine. Pour cela nous allons concevoir et mettre en en œuvre un système basé sur deux modèles. D’un coté il est basé sur le modèle CNN et d'un autre coté sur le modèle VGG-16 qui est renforcé par l'apprentissage par transfert. Les deux modèles utilisés peuvent apprendre à partir d'un dataset dont les images prises avec la tomographie par cohérence optique (OCT) et les classer en quatre conditions de : néovascularisation choroïdienne (CNV), drusen, œdème maculaire diabétique (DME) et forme normale. Notre dataset (extrait du site Web de kaggle) consiste respectivement en 32064 images pour l’apprentissage et 980 images pour le test. Les résultats expérimentaux montrent que le système proposé est une technique efficace pour détecter automatiquement l'état pathologique de la rétine.