Détection d'anomalies cardiaques à partir d'images échographiques en utilisant des GAN pour améliorer la classification et la segmentation des maladies cardiovasculaires

Abstract

Les maladies cardiovasculaires constituent la principale cause de mortalité dans de nombreux pays, et leur diagnostic précoce est essentiel pour améliorer les chances de survie des patients. L’échocardiographie, une technique d’imagerie médicale non invasive, est largement utilisée pour diagnostiquer ces pathologies. Toutefois, l’analyse manuelle des images échographiques reste complexe et dépend fortement de l’expertise des cardiologues. Dans ce travail, nous proposons l’utilisation des réseaux antagonistes génératifs (GAN), en particulier les modèles DCGAN, pour générer des images synthétiques d’échographies cardiaques en vue d’améliorer la détection des anomalies associées aux maladies cardiovasculaires. En utilisant une architecture GAN adaptée aux spécificités des images échographiques, nous avons pu produire des images visuellement plausibles, imitant fidèlement les échographies réelles. Notre modèle de détection a montré une capacité efficace à distinguer les images présentant des anomalies cardiaques de celles représentant un coeur sain.