Détection d'anomalies sur les images médicales en utilisant les réseaux antagonistes génératifs(GAN)

Abstract

Le cancer du foie, un type de cancer courant qui se développe à partir des cellules hépatiques, représente un défi majeur en matière de diagnostic en raison de ses symptômes souvent asymptomatiques aux premiers stades. L’imagerie médicale, notamment la tomodensitométrie (CT scan), joue un rôle crucial dans le diagnostic de cette maladie, mais l’analyse manuelle des images est une tâche complexe et chronophage. Dans notre travail, nous avons exploité les réseaux antagonistes génératifs (GAN), en particulier les modèles DCGAN, pour générer des images synthétiques de foie et améliorer la détection des anomalies associées au cancer du foie. En utilisant une architecture spécifique de GAN développée pour les images CT de foie, nous avons pu produire des images visuellement plausibles qui ressemblent aux images réelles issues des CT scans, et notre modèle de détection a montré une capacité efficace à distinguer les images de foie cancéreux des images normales. Les résultats de notre travail montrent que les GAN, et en particulier les DCGAN, peuvent produire des images synthétiques de haute qualité et améliorer la détection précoce des anomalies hépatiques, ce qui est crucial pour une prise en charge efficace du cancer du foie.