Etudiant : ECH-CHERIF EL KETTANI ALI

Filière : Big Data et Systèmes intelligents (BDSI)

Encadrant : Pr. AHERRAHROU NOURA

Annèe : 2026

Résumé : L’estimation de la fraction d’éjection du ventricule gauche (LVEF) constitue un paramètre déterminant dans le diagnostic et le suivi de l’insuffisance cardiaque. Sa mesure manuelle par échocardiographie demeure néanmoins soumise à une forte variabilité inter-opérateurs. Ce mémoire propose HybridEchoMamba, une architecture neuronale multi-tâche combinant un encodeur convolutif, des blocs à modèles d’état sélectifs de type Mamba [9] et un double décodeur, afin de prédire simultanément la LVEF par régression et de segmenter le ventricule gauche sur des séquences vidéo échocardiographiques. Le modèle est entraîné et évalué sur le dataset public EchoNet-Dynamic (10 030 vidéos), puis testé en généralisation externe sur le dataset CAMUS [15]. Une étude d’ablation systématique quantifie l’apport de chaque composant introduit progressivement : scan bidirectionnel, convolutions multi-réceptives, supervision masquée, fusion temporelle, attention CBAM [12], pré-entraînement auto-supervisé par autoencodeur masqué (MAE [13]), tête de régression de Kolmogorov-Arnold [14] (KAN) et supervision physiologique par les volumes ventriculaires. En régression, un ensemble pondéré combinant trois modèles à backbones et stratégies d’entraînement distincts atteint la meilleure performance de l’étude, avec un R2 de 0,737, une corrélation de Pearson de 0,860 et une MAE de 4,64 %, sans réentraînement. En segmentation, l’identification de l’interpolation des masques comme facteur limitant, puis sa correction par une supervision stricte des seules frames annotées, porte le coefficient Dice de 0,757 à 0,908, gain le plus important de l’étude. Ce gain se transfère de surcroît à CAMUS en transfert zéro-shot, où le coefficient Dice atteint 0,881, contre 0,746 pour les versions antérieures, démontrant que la fidélité de la supervision améliore aussi la robustesse au changement de domaine. Le travail identifie enfin un défaut de reconstruction des masques d’EchoNet potentiellement utile à l’ensemble de la communauté.