Détection des tumeurs cérébrales sur images IRM par apprentissage profond : comparaison d’un modèle DETR-SeresNet50 amélioré avec YOLOv8 et les vision transformers

Saberitabar, Neda (2025). Détection des tumeurs cérébrales sur images IRM par apprentissage profond : comparaison d’un modèle DETR-SeresNet50 amélioré avec YOLOv8 et les vision transformers. Mémoire. Trois-Rivières, Université du Québec à Trois-Rivières, 47 p.

Prévisualisation

PDF Télécharger (2MB) | Prévisualisation

Type de document:	Thèse et mémoire (Mémoire)
Informations complémentaires:	Comprend des références bibliographiques (pages 40-42). Comprend des résumés en français et en anglais.
Mots-clés libres:	Vision par ordinateur Imagerie médicale IRM Analyse d'image Tumeur cérébrale Détection Classification Diagnostic médical Intelligence artificielle Apprentissage profond Modèle Detection transformer DETR YOLOv8 Computer vision Medical imaging MRI Image analysis Brain tumor Medical diagnosis Articial intelligence Deep learning
Division:	Mathématiques et informatique appliquées
Date de dépôt:	30 mars 2026 16:19
Dernière modification:	21 mai 2026 15:08
URI:	https://depot-e.uqtr.ca/id/eprint/12792

Actions (administrateurs uniquement)

Éditer la notice