A two-stage deep learning framework for chest X-ray tampering detection and disease classification / Ali Hamdi

Public ISBD Titre : A two-stage deep learning framework for chest X-ray tampering detection and disease classification Type de document : document multimédia Auteurs : Ali Hamdi, Auteur ; Aymen Mouhouche, Auteur ; Younes Guellouma, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2026 Importance : 57 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Artificial intelligence and data science Langues : Anglais (eng) Mots-clés : Chest X-ray  Deep learning  Tampering detection  Disease classification  DenseNet-121  CBAM  NIH ChestX-ray14  Image authenticity Résumé : Making sure that medical images have not been altered is essential for any reliable AI diagnostic system. This thesis proposes a two-stage deep learning framework that first checks whether a chest X-ray has been tampered with, and then classifies it for 14 thoracic diseases. The system was built and tested on the NIH ChestX-ray14 dataset, which contains 112,120 radiographs from 30,805 patients. The work is structured around five experiments: (1) training a baseline disease classifier on clean images, (2) studying how tampering affects classifier performance, (3) training a dedicated tampering detector, (4) evaluating the full two-stage pipeline, and (5) analysing how the severity of tampering affects both components. Our classifier (DenseNet-121 + CBAM + Multi-Scale Feature Extractor) achieves a macro-AUC of 0.8303 on 15 classes. Tampering brings this down to 0.7928 (a 4.52% drop). The detector reaches AUC 0.9731 and accuracy 94.5%. The protected pipeline recovers 99.8% of clean baseline performance while rejecting 88.1% of tampered images. note de thèses : Mémoire de master en informatique A two-stage deep learning framework for chest X-ray tampering detection and disease classification [document multimédia] / Ali Hamdi, Auteur ; Aymen Mouhouche, Auteur ; Younes Guellouma, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2026 . - 57 p. + 1 disque optique numérique (CD-ROM). Option : Artificial intelligence and data science Langues : Anglais (eng) Mots-clés : Chest X-ray  Deep learning  Tampering detection  Disease classification  DenseNet-121  CBAM  NIH ChestX-ray14  Image authenticity Résumé : Making sure that medical images have not been altered is essential for any reliable AI diagnostic system. This thesis proposes a two-stage deep learning framework that first checks whether a chest X-ray has been tampered with, and then classifies it for 14 thoracic diseases. The system was built and tested on the NIH ChestX-ray14 dataset, which contains 112,120 radiographs from 30,805 patients. The work is structured around five experiments: (1) training a baseline disease classifier on clean images, (2) studying how tampering affects classifier performance, (3) training a dedicated tampering detector, (4) evaluating the full two-stage pipeline, and (5) analysing how the severity of tampering affects both components. Our classifier (DenseNet-121 + CBAM + Multi-Scale Feature Extractor) achieves a macro-AUC of 0.8303 on 15 classes. Tampering brings this down to 0.7928 (a 4.52% drop). The detector reaches AUC 0.9731 and accuracy 94.5%. The protected pipeline recovers 99.8% of clean baseline performance while rejecting 88.1% of tampered images. note de thèses : Mémoire de master en informatique

Identification avancés et contrôle du moteur à courant continu / Ali Hamdi

Public ISBD Titre : Identification avancés et contrôle du moteur à courant continu Type de document : texte manuscrit Auteurs : Ali Hamdi, Auteur ; Abdelmadjid Bendjemaa, Auteur ; Belkacem Rahmani, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'électrotechnique Année de publication : 2023 Importance : 71 p. Langues : Français (fre) Mots-clés : Machines électriques  Identification des paramètres  Techniques de contrôle  Moteurs à courant continu. Résumé : De nos jours, l'énergie électrique est essentiellement utilisée dans l'environnement industriel, où elle est convertie en énergie mécanique par le biais de moteurs électriques. De nombreuses recherches se concentrent sur l'étude, la modélisation et le contrôle des machines électriques. Ainsi, le développement de lois de contrôle efficaces et de modèles précis et fiables nécessite une compréhension approfondie de leurs caractéristiques. Actuellement, de nombreuses études visent à déterminer les caractéristiques des machines électriques à l'aide de différentes méthodes. L'identification des paramètres des machines est l'un des objectifs principaux pour leur modélisation, leur surveillance et leur diagnostic.Cette recherche vise principalement à mettre en oeuvre et à explorer des techniques avancées d'identification et de contrôle des moteurs à courant continu (DC) afin d'améliorer leurs performances et leur précision. Ces techniques proposées sont évaluées à travers des simulations et des essais expérimentaux, démontrant leur efficacité dans l'atteinte d'un contrôle de moteur de haute qualité. Cette recherche contribue à l'avancement des systèmes de contrôle des moteurs à courant continu et fournit des perspectives précieuses pour leurs applications dans les domaines de la robotique, de l'automatisation et des processus industriels. Note de contenu : Option : Automatique et systèmes note de thèses : mémoire de master Identification avancés et contrôle du moteur à courant continu [texte manuscrit] / Ali Hamdi, Auteur ; Abdelmadjid Bendjemaa, Auteur ; Belkacem Rahmani, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'électrotechnique, 2023 . - 71 p. Langues : Français (fre) Mots-clés : Machines électriques  Identification des paramètres  Techniques de contrôle  Moteurs à courant continu. Résumé : De nos jours, l'énergie électrique est essentiellement utilisée dans l'environnement industriel, où elle est convertie en énergie mécanique par le biais de moteurs électriques. De nombreuses recherches se concentrent sur l'étude, la modélisation et le contrôle des machines électriques. Ainsi, le développement de lois de contrôle efficaces et de modèles précis et fiables nécessite une compréhension approfondie de leurs caractéristiques. Actuellement, de nombreuses études visent à déterminer les caractéristiques des machines électriques à l'aide de différentes méthodes. L'identification des paramètres des machines est l'un des objectifs principaux pour leur modélisation, leur surveillance et leur diagnostic.Cette recherche vise principalement à mettre en oeuvre et à explorer des techniques avancées d'identification et de contrôle des moteurs à courant continu (DC) afin d'améliorer leurs performances et leur précision. Ces techniques proposées sont évaluées à travers des simulations et des essais expérimentaux, démontrant leur efficacité dans l'atteinte d'un contrôle de moteur de haute qualité. Cette recherche contribue à l'avancement des systèmes de contrôle des moteurs à courant continu et fournit des perspectives précieuses pour leurs applications dans les domaines de la robotique, de l'automatisation et des processus industriels. Note de contenu : Option : Automatique et systèmes note de thèses : mémoire de master

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
thq 09-110	thq 09-110	CD	BIBLIOTHEQUE DE FACULTE DE TECHNOLOGIE	théses (tec)	Disponible

---

1 (1 - 2 / 2) Par page : 25 50 100 200