Développement d’un modèle deep learning pour la segmentation et la classification d’images pulmonaires

Abstract

Les images médicales thoraciques Rayon-X contiennent suffisamment d’informations pour détecter les maladies pulmonaires. Le but de ce projet est de concevoir un système intelligent capable de distinguer les images médicales thoraciques afin d’aider les médecins et de détecter automatiquement les cas des maladies pulmonaires. Le système proposé permet de classifier une image en 15 classes (14 maladies et une pour "Aucun résultat"). Notre approche de détection de ces maladies est basée sur l’apprentissage profond en particulier sur les réseaux de neurones convolutionnels (CNN), ces réseaux ont prouvé leur capacités ces dernières années en particulier dans le domaine médical, en remportent le premier prix dans diverses compétitions dédiées à la classification des images médicales. Dans ce travail nous avons utilisé deux modèles CNN, chaque modèle a sa propre architecture. Le modèle DenseNet a donné un résultat satisfaisant par apport au ResNet