Computer Science Department

Permanent URI for this community

http://dspace.cuillizi.dz/handle/123456789/402
قسم الإعلام الآلي

Browse

Browsing Computer Science Department by Author "Rayane Chegrouche"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Coccidioidomycosis Detectionand Classification using Deep learning
    (المركز الجامعي إليزي - معهد العلوم، قسم الإعلام الآلي, 2025-07-01) Rayane Chegrouche; Advisors: • Dr.Rim Gasmi
    In this study, we propose a deep learning-based system for coccidiosis diagnosis, employing twomainapproaches:classificationanddetection.Forclassification,weevaluatetheperformanceofsixdeeplearningalgorithmsbytrainingthemondatasetscontainingimagesofhealthylungtissue andtissueinfectedwithValleyfever.Fordetection,weusefivealgorithms,includingYOLOv11, to identify the locations of spherical fungi within infected lung tissue.We focus on analyzing the performance of each model using precise metrics including precision, recall, map, and F1 score.This studyhighlightstheeffectivenessofusingdeeplearninginaccuratelydetectingfungalcoccidiosis and reducing the likelihood of misdiagnosis, thus enhancing the accuracy and speed of medical in- tervention in infected cases. في هذه الدراسة، نقترح نظامًا قائمًا على التعلم العميق لتشخيص داء الكوكسيديا، باستخدام نهجين رئيسيين: التصنيف والكشف. للتصنيف، نقوم بتقييم أداء ستة خوارزميات تعلم عميق من خلال تدريب مجموعات بيانات موند التي تحتوي على صور لأنسجة الرئة السليمة والأنسجة المصابة بحمى الوادي. للكشف، نستخدم خمس خوارزميات، بما في ذلك YOLOv11، لتحديد مواقع الفطريات الكروية داخل أنسجة الرئة المصابة. نركز على تحليل أداء كل نموذج باستخدام مقاييس دقيقة بما في ذلك الدقة والتذكر والخريطة ودرجة F1. تسلط هذه الدراسة الضوء على فعالية استخدام التعلم العميق في الكشف غير الدقيق عن داء الكوكسيديا الفطري وتقليل احتمالية التشخيص الخاطئ، وبالتالي تعزيز دقة وسرعة التدخل الطبي في الحالات المصابة.