Etudiant : ROUBAILI ANASS

Filière : Master Microélectronique, Signaux et Systèmes (2ME2S)

Encadrant : Pr. AARAB ABDELLAH

Annèe : 2022

Résumé : La détection automatisée des défauts dans l'imagerie médicale est devenue un domaine émergent dans plusieurs applications de diagnostic médical. La détection automatisée des tumeurs dans l'IRM est très importante car elle fournit des informations sur les tissus anormaux, ce qui est nécessaire pour planifier un traitement. La méthode classique de détection des défauts dans les images cérébrales par résonance magnétique est l'inspection humaine. Cette méthode n'est pas pratique en raison de la grande quantité de données. Par conséquent, des systèmes de classification automatiques et fiables sont essentiels pour prévenir le taux de mortalité humaine. Des méthodes de détection automatique des tumeurs sont donc développées, car elles permettent aux radiologues de gagner du temps et d'obtenir une précision testée. La détection des tumeurs cérébrales par IRM est une tâche compliquée en raison de la complexité et de la variance des tumeurs. L’objectif de ce projet est d’implémenter un système d’aide au diagnostic médical, à base de différentes architectures des réseaux de neurones convolutionnels sous environnement Cloud, pour la détection des tumeurs cérébrales dans les images à résonances magnétique (IRM) en utilisant le « Deep Learning » et le « Transfer Learning ». Nous avons utilisé une base de données contenant 253 images augmentées à 5313 images pour l'entrainement. Nous avons ensuite utilisé les structures des réseaux RESNET pour la classification, Des résultats d'apprentissage, de test, et de validation satisfaisants ont été obtenus.