Classification des particules par ultrason et réseaux de neurones artificiels (Application aux emboles)

Type : Mémoire de magister
Auteur(s) :  Karim FERROUDJI
Directeurs du mémoire/thèse :  -
Année :  2010
Domaine : Electronique
Etablissement :  Université El Hadj Lakhdar de Batna
Résumé en PDF :  (résumé en pdf)
Fulltext en PDF :  (.pdf)
Mots clés :  produits de contraste, ultrasons, microbulles, embole gaz, embole solide, classification, réseaux de neurones artificiels, machines à vecteurs de support, Sélection de caractéristiques, Méthode des K voisins les plus proches (KNN)

Résumé :

Les systèmes d’imagerie vasculaire du cerveau sont aujourd’hui des outils indispensables d’aide au diagnostic dans les différents services de neurologie et de réanimation. Les accidents vasculaires cérébraux qui correspondent à la troisième cause de mortalité se divisent en deux grandes familles: les ischémies et les hémorragies. Les systèmes d’imagerie, utilisés en routine clinique pour observer les ischémies cérébrales (30 % des infarctus cérébraux correspondent à des embolies), les malformations (anévrisme), les hémorragies méningées et les thromboses veineuses, sont les scanners, les systèmes d’angio- IRM (ARM) et les systèmes Doppler transcrânien (DTC). De nos jours, le système Doppler est un système d’exploration non invasif qui permet une étude qualitative du retentissement hémodynamique des sténoses artérielles cervicales. Les techniques Doppler restent très peu sensibles à la caractérisation (détection ou classification) des emboles et présentent des carences réelles pour la discrimination entre emboles gaz (contraste) et emboles solides (tissu).Dans ce mémoire, nous proposons plusieurs méthodes de détection et de caractérisation d’emboles (gaz et solides) basées sur les ultrasons en utilisant des modèles non linéaires tels que les réseaux de neurones artificiels et la méthode de machines à vecteurs de support