Etudiant : KANDIL HAMZA

Filière : Master Big Data Analytics & Smart Systems (BDSaS)

Encadrant : Pr. ZINEDINE AHMED

Annèe : 2021

Résumé : La sclérose en plaques (SEP) est un type de maladie du cerveau qui provoque des troubles visuels, sensoriels et moteurs chez les personnes ayant un effet néfaste sur le fonctionnement du système nerveux. Pour diagnostiquer la SEP, de nombreuses méthodes de dépistage ont été proposées jusqu'à présent ; parmi elles, l'imagerie par résonance magnétique (IRM) a reçu une attention considérable de la part des médecins. Les modalités d'IRM fournissent aux médecins des informations fondamentales sur la structure et le fonctionnement du cerveau, ce qui est crucial pour le diagnostic rapide des lésions de le SEP. Le diagnostic de le SEP par IRM est long, fastidieux et sujet à des erreurs manuelles. Par conséquent, des systèmes de diagnostic assisté par ordinateur basé sur des méthodes d'intelligence artificielle (IA) ont été proposés ces dernières années pour un diagnostic précis de le SEP à l'aide des modalités de neuro-imagerie IRM. Dans le domaine de l'IA, le diagnostic automatisé de le SEP est réalisé à l'aide (i) de l'apprentissage automatique classique et (ii) des techniques d'apprentissage profond. L'approche conventionnelle d'apprentissage automatique est basée sur l'extraction et la sélection de caractéristiques par essais et erreurs. Dans l'apprentissage profond, ces étapes sont réalisées par le modèle d'apprentissage profond lui-même. Dans cet article, une revue complète des méthodes de diagnostic automatisé de le SEP réalisées à l'aide de techniques d'apprentissage profond avec des modalités de neuro-imagerie IRM est présentée. Chaque travail est également examiné et discuté en détail. Enfin, les défis les plus importants et les orientations futures du diagnostic automatisé de le SEP à l'aide des techniques d’apprentissage profond couplées aux modalités d'IRM sont présentés en détail.