Détection précoce de la maladie d’Alzheimer sur les images IRM

Abstract

Le diagnostic des maladies neurodégénératives comme la maladie d’Alzheimer est un défi en médecine. Il repose principalement sur l’interprétation des symptômes par les médecins. Afin d’améliorer la qualité de vie des patients, une prise en charge et un diagnostic précoce sont primordiaux. L’expertise des médecins joue un rôle important pour la détection des signes précoces. Cependant, il y a un manque d’outils automatiques pouvant assister les médecins dans leur prise de décision. Dans ce contexte, l’objectif de ce travail est de développer une méthode de diagnostic de la maladie d’Alzheimer à partir des images IRM. Plus particulièrement le but de ce projet est de concevoir un système intelligent capable de distinguer les images médicales IRM afin d'aider les médecins à classifier et de détecter automatiquement les cas présentant une maladie d’Alzheimer. Le système proposé permet de classifier une image en quatre classes (Pas de démence, Démence très légère, Démence légère, et Alzheimer). Notre approche de détection de la maladie d’Alzheimer est basée sur le deep learning en particulier sur les réseaux de neurones convolutionnels (CNN), ces réseaux ont prouvés leur capacité ces dernières années en particulier dans le domaine médical, en remportant le premier prix dans diverses compétitions dédiées à la classification des images médicales. Dans ce travail nous avons utilisé un puissant modèle CNN avec une architecture spécifique. Le modèle proposé a donné des résultats satisfaisants, ces résultats confirment la performance de la méthode développée. Celle-ci pourrait être utilisée en milieu clinique dans le but d’effectuer des tests précoces pour identifier les patients qui peuvent être atteints de la maladie d’Alzheimer.