http//localhost:8080/jspui/handle/123456789/949 2026-05-30T16:55:20Z http//localhost:8080/jspui/handle/123456789/13800 X-ray Imaging System for diseases diagnostics Hedhoud, Yousra Chest diseases, particularly Pneumonia and Tuberculosis remain among world's leading causes of morbidity and mortality, posing ongoing healthcare challenge, especially in resource-limited sources. Therefore, early detection of these diseases is crucial to save human lives. Chest X-rays (CXR) images represent the most common tool used for chest disease diagnosis due to its painless, fast acquisition, and widespread availability. However, the interpretation of these images is often hindered by weak image resolution, overlapping features, and shortage of experienced radiologists. These limitations emphasis the need of automated diagnostic tools to support clinicians’ decision making. The primary objective of this thesis is to develop deep learning-based systems for accurate detection of Pneumonia and Tuberculosis using CXR images. The research is structured around three contributions designed in a hierarchical manner. Each successive approach addresses specific limitations encountered in the preceding one. First, a hybrid CNN-XGboost model is introduced to detect Pneumonia and distinguish between viral and bacterial Pneumonia. The model showed promising results in binary classification and reduced performance in multi-class classification due to its inability to capture long-range dependencies and complex patterns. To address this limitation, an ensemble model combining ResNet-50 and ViT-b16 (a Vision Transformer– based model) was developed—first for Tuberculosis detection, and then for multi-class classification of normal, Tuberculosis, and Pneumonia CXR images. The ensemble model leverages the strength of Convolutional Neural Network and Vision transformer, showing high performance in both binary classification and multi-class classification. Despite the strong performance of Vision Transformers in analyzing CXR images, the high memory consumption caused by their quadratic complexity, hinders the training process. Vision Mamba, a new deep learning architecture, was recently developed to deal with this issue with their ability to reduce computational overhead, while maintaining high accuracy. Based on this concept, a fine-tuned Vision Mamba model was designed for efficient Tuberculosis detection using CXR images. The obtained results demonstrate that the Vision Mamba-based model significantly reduced memory consumption, while achieving high accuracy. 2026-02-05T00:00:00Z http//localhost:8080/jspui/handle/123456789/13789 Approche Intelligente pour la prédiction de la maladie rénale chez les diabétiques Boughougal, Safa La maladie rénale chronique (MRC) est l’une des affections silencieuses les plus redoutables, progressant souvent sans symptômes jusqu’à un stade irréversible. Cette discrétion clinique, conjuguée à une prise en charge tardive, en fait un véritable défi de santé publique. Dans ce contexte, l’intelligence artificielle (IA) offre des opportunités inédites pour anticiper son apparition, en exploitant des données médicales hétérogènes et parfois incomplètes. Cette thèse propose une approche intelligente et pragmatique pour la prédiction précoce de la MRC, s’appuyant sur des techniques avancées d’apprentissage automatique. Elle vise à concevoir des modèles de classification robustes, capables de détecter efficacement les cas à risque, malgré les contraintes courantes des données médicales : petit volume, déséquilibre des classes, hétérogénéité des variables (numériques/catégorielles), et valeurs manquantes. Notre travail s’articule autour de quatre contributions complémentaires :  Une analyse comparative approfondie de méthodes de sélection de caractéristiques couplées à divers algorithmes d’apprentissage supervisé, dans le but d’identifier les combinaisons les plus performantes pour prédire la MRC.  Une validation expérimentale rigoureuse sur deux ensembles de données cliniques indépendants, permettant d’évaluer la stabilité et la capacité de généralisation des modèles proposés.  Le développement d’une stratégie intégrée, centrée sur l’amélioration de la qualité des données, leur transformation clinique pertinente, et l’enrichissement par des variables à forte valeur ajoutée, comme le taux de filtration glomérulaire estimé (eGFR), calculé et intégré afin d’affiner la précision du diagnostic automatisé.  Enfin, l’enrichissement du jeu de données par des techniques d’augmentation compatibles avec les variables médicales, couplé à une sélection récursive des variables les plus discriminantes, pour renforcer la représentativité des données et la fiabilité des modèles générés. Les résultats obtenus démontrent des performances prédictives significatives, consolidées par une cohérence clinique accrue. Ce travail ouvre la voie à la mise en place d’un système intelligent d’aide à la décision médicale, particulièrement pertinent pour le dépistage anticipé de la MRC. 2026-01-22T00:00:00Z http//localhost:8080/jspui/handle/123456789/13780 Existence of solutions for a Kirchhoff hyperbolic problems in bounded domains Bentata, Fatima Ezahra This study is dedicated to investigating the existence of weak solutions for hyperbolic Kirchhoff-type problems, considering cases both with and without volume constraints and free boundaries. We employ the hyperbolic discrete Morse flow, which transforms the original problem into a sequence of mini- mization problems defined at discrete time intervals. This process ensures the existence of a minimizer for the discretized functional, which corresponds to the solution of the discretized problem and subsequently provides a weak so- lution to the original problem. The non-local terms arising from the Kirchhoff component, volume constraint, and free boundary condition present significant challenges that require innovative methods to tackle. These complexities are a key focus of our research. Furthermore, we present numerical simulations to better illustrate our results’ physical implications. 2025-12-11T00:00:00Z http//localhost:8080/jspui/handle/123456789/13770 Composition chimique et activité biologique du faux poivrier, Schinus molle L. 1753 (Sapindales ; Anacardiaceae) Torchane, Nouha Le présent travail a pour objectif principal d'établir la composition chimique d'une huile essentielle (HE) extraite de Schinus molle (Faux poivrier), et d’évaluer ses activités insecticides, antioxydantes et antimicrobiennes. Le rendement de l’HE de Schinus molle affiche une moyenne de 2,64% de la matière sèche. Sa composition chimique déterminée par CPG/SM révèle la présence de 97 composés dont α- phellandrène (16,613 %), ß-phellandrène (12,104 %), elemol (9,028 %) et ß-eudesmol (5.872%) constituent les composés majoritaires. Les tests toxicologiques ont révélé une activité insecticide de cette HE contre une espèce de moustique et deux espèces de ravageurs des denrées stockées avec une relation concentration réponse. De plus, le test de répulsion a permis de mettre en évidence le pouvoir répulsif de ce traitement à l’égard de Sitophilus granarius et Rhyzopertha dominica. L’activité antioxydante de l’huile essentielle a été évaluée par trois méthodes, à savoir, le piégeage du radical libre DPPH, le test de réduction de fer (FRAP) et la capacité antioxydante totale (CAT). Les résultats ont révélé que cette huile exerce une forte activité de piégeage des radicaux libres DPPH ainsi qu'une faible capacité de réduction du fer en comparaison avec le contrôle positif (acide ascorbique). L’activité antimicrobienne de cette huile essentielle testée sur quatre souches bactériennes et une souche fongique a révélé une sensibilité de Staphylococcus aureus, Escherichia coli et Bacillus subtilis. En revanche, Pseudomonas aeruginosa est la souche la plus résistante vis-à- vis de cette huile. L’activité antifongique a révélé également une importante activité inhibitrice de cette huile à l’égard de Candida alibacans. 2026-01-13T00:00:00Z