Skip navigation
Please use this identifier to cite or link to this item: https://repository.esi-sba.dz/jspui/handle/123456789/382
Full metadata record
DC FieldValueLanguage
dc.contributor.authorARIOUI, AMani-
dc.contributor.authorZEBLAH, IKhlas-
dc.date.accessioned2022-11-14T07:42:39Z-
dc.date.available2022-11-14T07:42:39Z-
dc.date.issued2022-
dc.identifier.urihttps://repository.esi-sba.dz/jspui/handle/123456789/382-
dc.descriptionEncadreur :Pr. BENSLIMANE Sidi Mohammed Co-Encadreur : Dr. DIF Nassimaen_US
dc.description.abstractScience and how we conduct research are rapidly evolving. Data creation is increasing across all scientiĄc areas, and machine learning is one of these areas. Machine learning has grown in popularity, with a wide range of applications in academia and industry. With the arrival of the most recent coronavirus pandemic, a serious disease, hospitals were overloaded. The medical professionalsŠ burden, pressure and subjectivity compelled the researchers to concentrate on a potential solution to detect this dangerous virus more quickly. Employing a new machine learning technique for x-ray images can help doctors save time and solve the problem of subjectivity. This memoir gives a global and comprehensive evaluation of the most recent machine learning research efforts, especially in detecting the Coronavirus disease 19. Furthermore, it will explore Coronavirus disease 19, its global impact, and how it prompted experts to devise novel ways to combat the virus. Following that, it examined the present literatureŠs suggested ways for using deep learning in the Ąeld of diagnostics using medical x-ray imaging and the challenges that the researchers have been facing. Finally, a deep learning based web application for COVID-19 and pneumoniaŠs diagnosis using x-ray images was proposed by the authors of this memoir to detect easily the Coronavirus disease 19 and pneumonia from digital chest x-ray images applying pre-trained deep-learning algorithms. *** La science et la façon dont nous menons la recherche évoluent rapidement. La création de données augmente dans tous les domaines scientiĄques, et lŠapprentissage automatique est lŠun de ces domaines. LŠapprentissage automatique a gagné en popularité, avec un large éventail dŠapplications à la fois dans le milieu universitaire et industriel. Avec lŠarrivée de la pandémie du dernier coronavirus, qui est une maladie grave, les hôpitaux ont été surchargés et la charge, la pression et la subjectivité auxquelles les professionnels de la santé ont été confrontés ont obligé les chercheurs à se concentrer sur une solution potentielle pour détecter plus rapidement ce dangereux virus. LŠapplication dŠune nouvelle technique dŠapprentissage automatique aux images radiologiques peut aider les médecins à gagner du temps et à résoudre le problème de la subjectivité. Ce mémoire donne une évaluation approfondie et complète des dernières recherches en apprentissage automatique notamment dans la détection de la maladie du coronavirus 19. En outre, cette thèse explorera la maladie du coronavirus 19, son impact mondial et comment elle a provoqué les experts pour concevoir de nouvelles façons pour combattre ce virus. Par la suite, on va présenter les moyens suggérés par la littérature dans lŠutilisation de lŠapprentissage approfondie dans les diagnostics en utilisant les images radiographique et les déĄs auxquels les chercheurs ont été confrontés. EnĄn, une application web a été proposée par les auteurs de ce mémoire pour détecter facilement le Coronavirus 19 et la pneumonie à partir dŠimages radiographique pulmonaire en appliquant des algorithmes dŠapprentissage profond pré-entraînés.en_US
dc.language.isoenen_US
dc.subjectMachine Learningen_US
dc.subjectArtifcial Intelligenceen_US
dc.subjectData Miningen_US
dc.subjectDeep Learningen_US
dc.subjectCovid-19en_US
dc.subjectCnnen_US
dc.subjectX-Ray Imagesen_US
dc.titleDetection of COVID-19 from Chest X-Ray Images using Deep learningen_US
dc.typeThesisen_US
Appears in Collections:Ingénieur

Files in This Item:
File Description SizeFormat 
PFE-ARIOUI_ZEBLAH (1)-1-1.pdf336,67 kBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.