{"id":{"repo_id":"moncton","oai_identifier":"oai:umoncton.scholaris.ca:20.500.14658/6492"},"canonical_url":"https://search.dev.ndltd.org/etd/moncton/oai:umoncton.scholaris.ca:20.500.14658/6492","repository":{"repo_id":"moncton","name":"University de Moncton","base_url":"https://umoncton.scholaris.ca/server/oai/request"},"display":{"title":"Apprentissage profond et la radiomique pour la détection du cancer du sein","abstract":"Le cancer du sein est un type de cancer qui se développe dans les cellules du sein. Il peut survenir chez les hommes mais il est beaucoup plus fréquent chez les femmes. Le cancer du sein peut être détecté par des techniques d’imagerie médicale pour examiner le tissu mammaire à la recherche de tout signe de cancer. Les méthodes de dépistage du cancer du sein les plus courantes sont la mammographie, la thermographie, l’échographie et l’imagerie par résonnance magnétique. Les radiologues jouent un rôle essentiel dans la détection du cancer du sein en analysant des images médicales et en identifiant toute anomalie ou tout signe de cancer. Ils sont chargés d’interpréter les images de dépistage, de faire des recommandations pour une imagerie supplémentaire ou des tests supplémentaires et de fournir des conseils aux autres professionnels de la santé impliqués dans les soins du patient. Dans le domaine de l’intelligence artificielle (IA), l’apprentissage profond peut aider les radiologues de plusieurs façons. L’un des principaux avantages de l’apprentissage profond est sa capacité à analyser et à détecter des ressemblances dans de grandes quantités de données d’imagerie médicale, ce qui peut être long et difficile à faire manuellement pour les radiologues. Dans ce travail, nous avons d’abord présenté une revue de littérature détaillée des avancées récentes des modèles d’apprentissage profond pour la détection du cancer du sein en utilisant différentes méthodes de dépistage. Ensuite, une nouvelle approche basée sur la détection du cancer du sein a été proposée pour segmenter les régions mammaires des thermogrammes et les classifier en trois classes (saine, malade et inconnue). Nous avons par la suite développé un système de détection des masses mammaires qui utilise des techniques récentes de détection d’objets par apprentissage profond. Le système utilise des techniques de prétraitement des images pour améliorer la qualité des images de mammographies et ensuite deux détecteurs d’objets profonds récents pour détecter les masses mammaires. Mots-clés : Cancer du sein; Mammographie; Thermographie; Apprentissage profond; Réseaux de neurones convolutifs.","abstract_html":"Le cancer du sein est un type de cancer qui se développe dans les cellules du sein. Il peut survenir chez les hommes mais il est beaucoup plus fréquent chez les femmes. Le cancer du sein peut être détecté par des techniques d’imagerie médicale pour examiner le tissu mammaire à la recherche de tout signe de cancer. Les méthodes de dépistage du cancer du sein les plus courantes sont la mammographie, la thermographie, l’échographie et l’imagerie par résonnance magnétique. Les radiologues jouent un rôle essentiel dans la détection du cancer du sein en analysant des images médicales et en identifiant toute anomalie ou tout signe de cancer. Ils sont chargés d’interpréter les images de dépistage, de faire des recommandations pour une imagerie supplémentaire ou des tests supplémentaires et de fournir des conseils aux autres professionnels de la santé impliqués dans les soins du patient. Dans le domaine de l’intelligence artificielle (IA), l’apprentissage profond peut aider les radiologues de plusieurs façons. L’un des principaux avantages de l’apprentissage profond est sa capacité à analyser et à détecter des ressemblances dans de grandes quantités de données d’imagerie médicale, ce qui peut être long et difficile à faire manuellement pour les radiologues. Dans ce travail, nous avons d’abord présenté une revue de littérature détaillée des avancées récentes des modèles d’apprentissage profond pour la détection du cancer du sein en utilisant différentes méthodes de dépistage. Ensuite, une nouvelle approche basée sur la détection du cancer du sein a été proposée pour segmenter les régions mammaires des thermogrammes et les classifier en trois classes (saine, malade et inconnue). Nous avons par la suite développé un système de détection des masses mammaires qui utilise des techniques récentes de détection d’objets par apprentissage profond. Le système utilise des techniques de prétraitement des images pour améliorer la qualité des images de mammographies et ensuite deux détecteurs d’objets profonds récents pour détecter les masses mammaires. Mots-clés : Cancer du sein; Mammographie; Thermographie; Apprentissage profond; Réseaux de neurones convolutifs.","abstract_has_math":false,"creators":["Mahoro, Ella"],"institution":"Université de Moncton","degree_name":"Maîtrise ès sciences (informatique)","degree_level":"2e cycle","degree_discipline":"Faculté des sciences","degree_department":null,"school":null,"contributors":[],"advisors":["Akhloufi, Moulay A."],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-07-24T03:09:47Z","subjects":["Apprentissage profond","Mammographie","Imagerie par résonance magnétique","Sein","Cancer","Intelligence artificielle","Applications en médecine","Technologues en imagerie médicale","Cancérologie"],"languages":["iso639-2b","fre"],"rights":["Author"],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:2872"],"render_values":[{"text":"umir:2872","href":null,"code":true}]}]},"links":{"outbound_url":"https://hdl.handle.net/20.500.14658/6492","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Akhloufi, Moulay A."]},{"key":"dc:creator","label":"Author","values":["Mahoro, Ella"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2024-12-20T17:54:30Z","2025-05-13T20:27:28Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2024-12-20T17:54:30Z","2025-05-13T20:27:28Z"]},{"key":"dc:date.issued","label":"Date","values":["2023"]},{"key":"dc:publisher","label":"Institution","values":["Université de Moncton"]},{"key":"dc:type","label":"Dc Type","values":["Text","thèse"]},{"key":"thesis:degree_discipline","label":"Discipline","values":["Faculté des sciences"]},{"key":"thesis:degree_level","label":"Degree Level","values":["2e cycle"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Maîtrise ès sciences (informatique)"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Université de Moncton"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Apprentissage profond","Mammographie","Imagerie par résonance magnétique","Sein","Cancer","Intelligence artificielle","Applications en médecine","Technologues en imagerie médicale","Cancérologie"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fre"]},{"key":"dc:language.iso","label":"Language (ISO)","values":["iso639-2b"]},{"key":"dc:rights","label":"Dc Rights","values":["Author"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:2872"]},{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/20.500.14658/6492"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Le cancer du sein est un type de cancer qui se développe dans les cellules du sein. Il peut survenir chez les hommes mais il est beaucoup plus fréquent chez les femmes. Le cancer du sein peut être détecté par des techniques d’imagerie médicale pour examiner le tissu mammaire à la recherche de tout signe de cancer. Les méthodes de dépistage du cancer du sein les plus courantes sont la mammographie, la thermographie, l’échographie et l’imagerie par résonnance magnétique. Les radiologues jouent un rôle essentiel dans la détection du cancer du sein en analysant des images médicales et en identifiant toute anomalie ou tout signe de cancer. Ils sont chargés d’interpréter les images de dépistage, de faire des recommandations pour une imagerie supplémentaire ou des tests supplémentaires et de fournir des conseils aux autres professionnels de la santé impliqués dans les soins du patient. Dans le domaine de l’intelligence artificielle (IA), l’apprentissage profond peut aider les radiologues de plusieurs façons. L’un des principaux avantages de l’apprentissage profond est sa capacité à analyser et à détecter des ressemblances dans de grandes quantités de données d’imagerie médicale, ce qui peut être long et difficile à faire manuellement pour les radiologues. Dans ce travail, nous avons d’abord présenté une revue de littérature détaillée des avancées récentes des modèles d’apprentissage profond pour la détection du cancer du sein en utilisant différentes méthodes de dépistage. Ensuite, une nouvelle approche basée sur la détection du cancer du sein a été proposée pour segmenter les régions mammaires des thermogrammes et les classifier en trois classes (saine, malade et inconnue). Nous avons par la suite développé un système de détection des masses mammaires qui utilise des techniques récentes de détection d’objets par apprentissage profond. Le système utilise des techniques de prétraitement des images pour améliorer la qualité des images de mammographies et ensuite deux détecteurs d’objets profonds récents pour détecter les masses mammaires. Mots-clés : Cancer du sein; Mammographie; Thermographie; Apprentissage profond; Réseaux de neurones convolutifs."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:format.medium","label":"Dc Format Medium","values":["electronic"]},{"key":"dc:title","label":"Title","values":["Apprentissage profond et la radiomique pour la détection du cancer du sein"]}]}],"canonical_facts":{"dc:contributor.advisor":["Akhloufi, Moulay A."],"dc:creator":["Mahoro, Ella"],"dc:date.accessioned":["2024-12-20T17:54:30Z","2025-05-13T20:27:28Z"],"dc:date.available":["2024-12-20T17:54:30Z","2025-05-13T20:27:28Z"],"dc:date.issued":["2023"],"dc:description.abstract":["Le cancer du sein est un type de cancer qui se développe dans les cellules du sein. Il peut survenir chez les hommes mais il est beaucoup plus fréquent chez les femmes. Le cancer du sein peut être détecté par des techniques d’imagerie médicale pour examiner le tissu mammaire à la recherche de tout signe de cancer. Les méthodes de dépistage du cancer du sein les plus courantes sont la mammographie, la thermographie, l’échographie et l’imagerie par résonnance magnétique. Les radiologues jouent un rôle essentiel dans la détection du cancer du sein en analysant des images médicales et en identifiant toute anomalie ou tout signe de cancer. Ils sont chargés d’interpréter les images de dépistage, de faire des recommandations pour une imagerie supplémentaire ou des tests supplémentaires et de fournir des conseils aux autres professionnels de la santé impliqués dans les soins du patient. Dans le domaine de l’intelligence artificielle (IA), l’apprentissage profond peut aider les radiologues de plusieurs façons. L’un des principaux avantages de l’apprentissage profond est sa capacité à analyser et à détecter des ressemblances dans de grandes quantités de données d’imagerie médicale, ce qui peut être long et difficile à faire manuellement pour les radiologues. Dans ce travail, nous avons d’abord présenté une revue de littérature détaillée des avancées récentes des modèles d’apprentissage profond pour la détection du cancer du sein en utilisant différentes méthodes de dépistage. Ensuite, une nouvelle approche basée sur la détection du cancer du sein a été proposée pour segmenter les régions mammaires des thermogrammes et les classifier en trois classes (saine, malade et inconnue). Nous avons par la suite développé un système de détection des masses mammaires qui utilise des techniques récentes de détection d’objets par apprentissage profond. Le système utilise des techniques de prétraitement des images pour améliorer la qualité des images de mammographies et ensuite deux détecteurs d’objets profonds récents pour détecter les masses mammaires. Mots-clés : Cancer du sein; Mammographie; Thermographie; Apprentissage profond; Réseaux de neurones convolutifs."],"dc:format":["application/pdf"],"dc:format.medium":["electronic"],"dc:identifier.other":["umir:2872"],"dc:identifier.uri":["https://hdl.handle.net/20.500.14658/6492"],"dc:language":["fre"],"dc:language.iso":["iso639-2b"],"dc:publisher":["Université de Moncton"],"dc:rights":["Author"],"dc:subject":["Apprentissage profond","Mammographie","Imagerie par résonance magnétique","Sein","Cancer","Intelligence artificielle","Applications en médecine","Technologues en imagerie médicale","Cancérologie"],"dc:title":["Apprentissage profond et la radiomique pour la détection du cancer du sein"],"dc:type":["Text","thèse"],"thesis:degree_discipline":["Faculté des sciences"],"thesis:degree_level":["2e cycle"],"thesis:degree_name":["Maîtrise ès sciences (informatique)"],"thesis:institution_name":["Université de Moncton"]},"updated_at":"2026-07-24T03:09:47Z"}