http://dspace.univ-tiaret.dz:80/handle/123456789/116 2026-04-07T18:43:39Z http://dspace.univ-tiaret.dz:80/handle/123456789/16993 Titre: Synthèse et caractérisation des films minces d’oxyde de structure spinelle ZnCo2O4 dopés Sn par le Procédé Sol-gel (Dip-coating) Auteur(s): SELLAMI, SAMIRA Résumé: Dans le cadre de cette étude, des couches minces de ZnCo₂O₄, à la fois non dopées et dopées, ont été élaborées sur des substrats en verre de type Pyrex en utilisant une méthode combinée Sol-Gel et DipCoating. Les propriétés structurales, optiques et électriques de ces films ont été examinées à l’aide de plusieurs techniques de caractérisation, notamment la diffraction des rayons X, la spectroscopie UVVisible, la spectroscopie infrarouge, la spectroscopie d’impédance complexe .Les résultats de la diffraction des rayons X révèlent une structure cristalline avec une orientation préférentielle suivant le plan (220). L’analyse des spectres UV-Visible a permis de déterminer que le ZnCo₂O₄ possède un comportement semi-conducteur avec une bande interdite optique diminue progressivement en augmentant le taux de dopage. Les spectres infrarouges montrent des bandes d’absorption localisées autour de 674 cm⁻¹ et 580 cm⁻¹, attribuées respectivement aux vibrations d’élongation des liaisons Zn–O et Co–O. Par ailleurs, les mesures d’impédance complexe indiquent que le transport électrique est principalement influencé par les joints de grains, et que le comportement global peut être modélisé par un circuit équivalent de type RC en parallèle Description: In this study, undoped and doped ZnCo₂O₄ thin films were grown on Pyrex glass substrates using a combined sol-gel and dip-coating method. The structural, optical, and electrical properties of these films were examined using several characterization techniques, including X-ray diffraction, UVVisible spectroscopy, infrared spectroscopy, complex impedance spectroscopy. X-ray diffraction results revealed a crystalline structure with a preferential orientation along the (220) plane. Analysis of UV-Visible spectra determined that ZnCo₂O₄ exhibits semiconducting behavior with an optical band gap that gradually decreases with increasing doping rate.. Infrared spectra show absorption bands located around 674 cm⁻¹ and 580 cm⁻¹, attributed to the stretching vibrations of the Zn–O and Co–O bonds, respectively. Furthermore, complex impedance measurements indicate that the electrical transport is mainly influenced by grain boundaries, and that the overall behavior can be modeled by a parallel RC equivalent circuit. 2025-06-25T00:00:00Z http://dspace.univ-tiaret.dz:80/handle/123456789/16992 Titre: Apprentissage profond pour la segmentation automatique des lésions tumorales dans les images Tomodensitométriques des poumons Auteur(s): Fedoul, Arbia; Nait Hamoud, Silina Résumé: Cette étude explore l'utilisation de l'apprentissage profond pour la segmentation automatique des tumeurs pulmonaires à partir d'images tomodensitométriques (TDM). Nous proposons une architecture basée sur U-Net, enrichie d'un mécanisme d'attention, afin d'améliorer la précision de la détection des lésions tumorales. Le modèle a été entraîné et évalué sur la base de données Medical Segmentation Decathlon (MSD), comprenant des images TDM thoraciques annotées. Nos résultats démontrent une performance élevée, avec un coefficient de Dice de 0,88, une sensibilité de 0,87 et une précision de 0,92, surpassant plusieurs approches existantes. L'intégration d'un mécanisme d'attention permet au modèle de mieux cibler les régions tumorales, réduisant ainsi les faux positifs et améliorant la segmentation des lésions de petite taille. Cependant, certaines limitations persistent, notamment la complexité computationnelle des modèles 3D et la nécessité d'une validation sur des ensembles de données plus variés. Les perspectives futures incluent l'optimisation des architectures 3D, l'intégration de réseaux hybrides (CNN + Transformers) et l'application en temps réel pour la radiothérapie guidée par l'IA. Cette recherche contribue à l'avancement des outils d'aide au diagnostic en oncologie thoracique, offrant une solution prometteuse pour une détection précoce et une planification thérapeutique plus précise. Description: This study explores the use of deep learning techniques for the automatic segmentation of lung tumors from computed tomography (CT) images. We propose an architecture based on U-Net, enhanced with an attention mechanism, in order to improve the accuracy of lesion detection. The model was trained and evaluated on the Medical Segmentation Decathlon (MSD) dataset, which includes annotated thoracic CT scans. Our results demonstrate high performance, achieving a Dice coefficient of 0.88, a sensitivity of 0.87, and a precision of 0.92, surpassing several existing approaches. The integration of an attention mechanism enables the model to more effectively target tumor regions, reducing false positives and enhancing the segmentation of small lesions. However, certain limitations remain, notably the computational complexity of 3D models and the need for validation on more diverse datasets. Future directions include optimizing 3D architectures, integrating hybrid networks (CNN + Transformers), and enabling real-time applications for AI-guided radiotherapy. This research contributes to the advancement of decision-support tools in thoracic oncology, offering a promising solution for early detection and more accurate therapeutic planning. 2025-06-29T00:00:00Z http://dspace.univ-tiaret.dz:80/handle/123456789/16991 Titre: Optimisation des paramètres d'acquisition en scanner et en IRM : Réduction de la dose de rayonnement et amélioration de la qualité d'image Auteur(s): Mekkari, Aya; Khanoudj, Khaoula Résumé: Dans le souci de réduire les risques liés à l’exposition cumulative aux rayonnements ionisants, la réduction de dose en tomodensitométrie (TDM) s’impose de plus en plus comme une pratique courante, notamment chez les patients soumis à des examens répétitifs. Toutefois, cette diminution de dose entraîne une dégradation notable de la qualité des images, caractérisée essentiellement par l’augmentation du bruit. Ce travail s’inscrit dans une démarche d’amélioration de la qualité des images TDM à faible dose à travers l’évaluation de différentes techniques de débruitage. Un bruit gaussien simulé a été introduit sur des images originales, et six méthodes ont été étudiées : les filtres moyen, médian, et Wiener, la décomposition en ondelettes , une approche de reconstruction itérative, ainsi que le modèle DnCNN basé sur l’apprentissage profond. L’analyse des performances, réalisée à l’aide des métriques PSNR, SSIM et MSE, a révélé que la combinaison du réseau DnCNN avec le filtre médian permet d’atteindre un bon équilibre entre réduction du bruit et préservation des structures anatomiques. Ces résultats mettent en évidence la pertinence des approches fondées sur l’intelligence artificielle dans le contexte de l’optimisation des protocoles d’imagerie à faible dose. Description: To minimize the cumulative effects of ionizing radiation, low-dose protocols in computed tomography (CT) have become increasingly common, particularly in cases requiring frequent imaging. However, reducing the dose often comes at the expense of image quality, primarily due to increased noise levels. This work aims to evaluate and compare various denoising techniques to restore the diagnostic quality of low-dose CT images. Simulated Gaussian noise was added to original CT scans, and six approaches were tested: mean filter, median filter, Wiener filter, Daubechies wavelet transform, iterative reconstruction, and DnCNN—a deep learning model. Quantitative evaluation based on PSNR, SSIM, and MSE metrics shows that the combination of DnCNN and the median filter yields the best compromise between noise suppression and structural detail preservation. These findings highlight the significant potential of deep learning in supporting safer imaging practices without compromising diagnostic reliability. 2025-06-29T00:00:00Z http://dspace.univ-tiaret.dz:80/handle/123456789/16990 Titre: ab-initio and experimental investigations of the physical properties of cobalt Sulfides Auteur(s): SAFA, SARA Résumé: This work used both computational and experimental techniques to investigate different cobalt sulphide phases. In this study preconceived notions about the magnetic properties of compounds CoS₂ and discovered metallic and half-metallic behaviour of the several phases through Quantum ESPRESSO simulations. Co₉S₈ was synthesised experimentally with a hexagonal structure and a particle size of about 22 nm. It demonstrated an indirect band gap and more than 60% optical transmittance. These results provide important new information about the potential uses of cobalt sulphides in solar cells, energy storage, catalysis, and medicine 2025-06-30T00:00:00Z