El Saleh, Rola
[Author]
;
Paris 12
[Contributor];
Naït-Ali, Amine
[Contributor]
Biometrics for face skin analysis using machine learning based approaches ; Biométrie pour l'analyse de la peau du visage : analyse par approches "Machine learning
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
E-Book;
Electronic Thesis;
Text
Title:
Biometrics for face skin analysis using machine learning based approaches ; Biométrie pour l'analyse de la peau du visage : analyse par approches "Machine learning
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
L'émergence de l’intelligence artificielle (IA), l'accès aux grandes bases de données, et la disponibilité de super-calculateurs ont incontestablement révolutionné les différents domaines. En particulier, en considérant le développement d'algorithmes d'Apprentissage Automatique (AA) “Machine-learning” et notamment de l'Apprentissage Profond (AP) “Deep-learning”, le domaine biomédical en a largement bénéficié. Dans le contexte de la dermatologie, de nombreuses recherches ont été menées pour analyser automatiquement les images de la peau afin de prédire les maladies et de suivre leur évolution au cours du temps. Cette thèse propose un système de diagnostic assisté par ordinateur basé sur des approches d'AP qui analyse les images du visage et identifie les maladies potentielles du visage utilisant uniquement des phénotypes faciaux, sans extraction de région d'intérêt. Cette biométrie médicale, faciale est fondée sur l’utilisation sur des réseaux de neurones convolutifs pré-entraînés, VGG-16, EfficientNet b0 et Inception v3, qui sont affinés pour créer de nouveaux modèles adaptés pour classer les images de la peau du visage en huit pathologies distinctes à savoir : acné, kératose actinique, angioedème, blépharite, eczéma, mélasma, rosacée et vitiligo. Ainsi, une méthode d'apprentissage par transfert est utilisée. Plus précisément, les architectures originales des trois modèles sont modifiées en ajoutant de nouvelles couches au sommet. Les algorithmes proposés sont entraînés et validés sur une base de données que nous avons créé à cet effet. Les modèles sont testés et évalués en considérant des conditions d’acquisitions différentes (pose du visage, luminosité, résolution d'image, etc). Des résultats très prometteurs sont ainsi obtenus. ; The emergence of artificial intelligence (AI), access to large databases, and the availability of supercomputers have undoubtedly revolutionized the medical treatment in various fields. In fact, taking into consideration the development of “Machine-learning” (ML) algorithms and in ...