Etudiant : DEBBAGHI MOHAMMED

Filière : Master Machine Learning Avancé et Intelligence Multimédia (MLAIM)

Encadrant : Pr. RAMADAN HIBA

Annèe : 2026

Résumé : J’ai comparé 14 architectures profondes réparties en 5 familles (CNN, Transformers, MLP/Mixer, Mamba/SSM, encodeurs hybrides de segmentation) pour distinguer rétinopathie diabétique et œdème maculaire diabétique, à partir d’images multimodales Fundus + OCT du jeu OLIVES. J’ai évalué chaque modèle en mono-modal et selon 6 stratégies de fusion, avec et sans pré-entraînement, sous un protocole identique (validation croisée 3 plis par patient). Puis, point central, j’ai testé la généralisation sur un jeu externe indépendant.