Novel 3D Deep Learning Models for Knee Osteoarthritis Diagnosis and Prediction from MRI Data
L'arthrose du genou, une condition sans remède, exige un diagnostic précis pour une gestion optimale. Bien que l IRM offre des informations essentielles, les méthodes actuelles se limitent souvent à une vue unique, risquant de manquer des détails critiques. Cette thèse propose des modèles d...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | , , , , , , |
| Format: | Thèse numérique |
| Langue: | Anglais Français |
| Publié: |
2024.
|
| Sujets: | |
| Accès en ligne: | Accès au texte intégral https://theses.univ-orleans.fr/public/2024ORLE1085_va.pdf http://www.theses.fr/2024ORLE1085/abes https://theses.hal.science/tel-05027456 |
| Note: |
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) : Aladine Chetouani (Président du jury) ; Alice Ahlem Othmani, Mouloud Adel, Mohamed Jarraya, Sylvie Treuillet, Mame Diarra Fall (Membre(s) du jury) ; Alice Ahlem Othmani, Mouloud Adel (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Nouveaux modèles 3D d'apprentissage profond pour le diagnostic et la prédiction de l'arthrose du genou à partir de données d'IRM |