Etudiant : EL-MESSARY NASSIBA

Filière : Machine Learning Avancé et Intelligence Multimédia (MLAIM)

Encadrant : Pr. EL-BATTEOUI ISMAIL

Annèe : 2025

Résumé : La détection et la segmentation des fractures osseuses dans les images médicales, notamment les radiographies, représentent un défi majeur en imagerie médicale en raison de la variabilité des fractures et de la qualité des images. Ce projet vise à développer un modèle automatique de segmentation des fractures osseuses en s’appuyant sur les réseaux antagonistes génératifs (GAN). Nous avons conçu une architecture combinant un générateur U-Net, réputé pour sa capacité à capturer les détails spatiaux fins, avec un discriminateur PatchGAN, qui évalue la qualité locale des segmentations produites. Pour maximiser la performance du modèle, un important travail de prétraitement des images a été réalisé, incluant la normalisation, le redimensionnement, et des techniques d’augmentation de données afin d’enrichir le jeu d’entraînement et améliorer la robustesse. Le modèle a été entraîné sur un dataset annoté, et les résultats ont été évalués à l’aide de métriques standard telles que le coefficient Dice et l’Intersection over Union (IoU). Les résultats obtenus montrent que cette approche basée sur les GAN permet d’améliorer la précision de la segmentation des fractures, ce qui pourrait contribuer à une aide efficace au diagnostic médical en milieu clinique. Par ailleurs, ce travail ouvre la voie à l’intégration de techniques d’intelligence artificielle avancées dans les systèmes d’imagerie pour automatiser et accélérer l’analyse des images médicales.