Enhanced deep neural networks for early diagnosis of knee osteoarthritis
La gonarthrose est une maladie dégénérative du genou qui peut entraîner une douleur et une perte de mobilité. La thèse en question a pour objectif de développer des modèles de d apprentissage profond pour détecter précocement la gonarthrose à partir d images radiographiques. Pour cela, une nouvelle...
Wedi'i Gadw mewn:
| Prif Awdur: | |
|---|---|
| Awduron Eraill: | , , , , , , |
| Fformat: | Thèse numérique |
| Iaith: | Anglais |
| Cyhoeddwyd: |
2023.
|
| Pynciau: | |
| Mynediad Ar-lein: | Accès au texte intégral https://theses.univ-orleans.fr/public/2023ORLE1007_va.pdf http://www.theses.fr/2023ORLE1007/abes https://theses.hal.science/tel-04250949 |
| Nodyn: |
Thèse soutenue en co-tutelle Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Institut Denis Poisson (Orléans, Tours ; 2018-....) (Laboratoire) Autre(s) contribution(s) : Romain Abraham (Président du jury) ; Didier Hans (Membre(s) du jury) ; Mohamed El Haziti, Abdellah Adib, Christine Chappard (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Réseaux de neurones profonds améliorés pour le diagnostic précoce de la gonarthrose |
| LEADER | 05235nam a22005657a 4500 | ||
|---|---|---|---|
| 001 | 1096947 | ||
| 008 | 231025s2023 xxe ||| |||| 00| 0 eng d | ||
| 009 | PPN272804037 | ||
| 041 | 0 | |a eng |b fre |b eng | |
| 084 | |a 004 | ||
| 084 | |a 610 | ||
| 084 | |a 620 | ||
| 100 | 1 | |a Nasser, Yassine, |d 1992- | |
| 240 | 1 | 0 | |a Réseaux de neurones profonds améliorés pour le diagnostic précoce de la gonarthrose |
| 245 | 1 | 0 | |a Enhanced deep neural networks for early diagnosis of knee osteoarthritis |c Yassine Nasser ; sous la direction de Rachid Jennane et de Mohammed El Hassouni. |
| 256 | |a Données textuelles | ||
| 260 | |c 2023. | ||
| 500 | |a Thèse soutenue en co-tutelle | ||
| 500 | |a Titre provenant de l'écran-titre | ||
| 500 | |a Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) | ||
| 500 | |a Partenaire(s) de recherche : Institut Denis Poisson (Orléans, Tours ; 2018-....) (Laboratoire) | ||
| 500 | |a Autre(s) contribution(s) : Romain Abraham (Président du jury) ; Didier Hans (Membre(s) du jury) ; Mohamed El Haziti, Abdellah Adib, Christine Chappard (Rapporteur(s)) | ||
| 502 | |a Thèse de doctorat. Sciences et Technologies Industrielles. Informatique. Orléans. 2023 | ||
| 502 | |a Thèse de doctorat. Sciences et Technologies Industrielles. Informatique. Université Mohammed V (Rabat ; 1957-....). 2023 | ||
| 506 | |a Thèse soumise à l'embargo de l'auteur jusqu'au 01 juin 2023 | ||
| 520 | |a La gonarthrose est une maladie dégénérative du genou qui peut entraîner une douleur et une perte de mobilité. La thèse en question a pour objectif de développer des modèles de d apprentissage profond pour détecter précocement la gonarthrose à partir d images radiographiques. Pour cela, une nouvelle architecture, appelée DRAE, basée sur les auto-encodeurs a été introduite. Le but de ce modèle est de séparer les images de genoux sains et arthrosiques en minimisant la distance entre images de même classe (intra-classes) et en maximisant la distance entre images de classes différentes (inter-classes). Ensuite,cette régularisation discriminante a été intégrée à un réseau de neurones convolutionnel (CNN) pour améliorer la détection précoce de la gonarthrose. Ce modèle, appelé DCNN, a été proposé pour analyser à la fois la texture et la forme de l image. Enfin, le modèle final, appelé DST-CNN, a été proposé pour améliorer l analyse de la texture et s adapter aux tâches de classification multi-classes. Le modèle DST-CNN a montré une meilleure performance de classification et bien équilibrée que les modèles de l état de l art existants. | ||
| 520 | |a Knee osteoarthritis is a common cause of physical disability that causes pain and reduced mobility. This thesis aimed to develop deep-learning models to detect knee osteoarthritis at an early stagusing radiographic images. A new autoencoder-based architecture called the Discriminative Regularized Auto-Encoder (DRAE) was introduced to achieve this. The DRAE was designed to distinguish between healthy and arthritic knee images by minimizing the distance between images of the same class (intraclass) and maximizing the distance between images of different classes (interclass). This discriminative regularization technique, used in DRAE, was then incorporated into a Convolutional Neural Network (CNN). The resulting model, called Discriminative Convolutional Neural Network(DCNN), was proposed to analyze both the texture and shape of the images, therefore improving the early detection of knee osteoarthritis. Finally, a Discriminative Shape-Texture Convolutional Neural Network (DST-CNN) model was proposed to enhance texture analysis and adapt to the multi-class classification tasks. The DST-CNN model showed better and well-balanced classification performance than current state-of-the-art models.. | ||
| 538 | |a Configuration requise : un logiciel capable de lire un fichier au format : PDF | ||
| 650 | |a Apprentissage profond | ||
| 650 | |a Apprentissage automatique | ||
| 650 | |a Gonarthrose |x Prévention | ||
| 650 | |a Genou |x Radiographie | ||
| 650 | |a Réseaux neuronaux (informatique) | ||
| 650 | |a Reconnaissance des formes (informatique) | ||
| 650 | |a Intelligence artificielle en médecine | ||
| 650 | |a Analyse discriminante | ||
| 650 | |a Thèses et écrits académiques | ||
| 700 | 1 | |a Jennane, Rachid, |d 19..- |4 ths | |
| 700 | 1 | |a El Hassouni, Mohammed, |d 1976- |4 ths | |
| 700 | 1 | |a Abraham, Romain, |d 19..-...., |c mathématicien. | |
| 700 | 1 | |a El Haziti, Mohamed, |d 19..- | |
| 700 | 1 | |a Adib, Abdellah, |d 19..-...., |c professeur. | |
| 700 | 1 | |a Chappard, Christine, |d 19..- | |
| 700 | 1 | |a Hans, Didier. |4 opn | |
| 710 | 2 | |a Université d'Orléans. |4 dgg | |
| 856 | 4 | |q PDF |s 36846412 |u http://www.theses.fr/2023ORLE1007/document |z Accès au texte intégral | |
| 856 | 4 | |u https://theses.univ-orleans.fr/public/2023ORLE1007_va.pdf | |
| 856 | 4 | |u http://www.theses.fr/2023ORLE1007/abes | |
| 856 | 4 | |u https://theses.hal.science/tel-04250949 | |
| 997 | |0 1096947 |1 Thèse numérique |a Ressource numérique |b INSA |b ENSA |c 0/Bibliothèque numérique/ |c 1/Bibliothèque numérique/Autre ressource numérique/ | ||