Abstract:
Les méthodes d'apprentissage en profondeur, et en particulier les réseaux de neurones convolutifs
(CNN), ont conduit `a une énorme percée dans un large éventail de tˆaches de vision par ordinateur.
Cependant la majorité des méthodes d'analyse d'images médicales sont des méthodes supervisées, ce
qui requiert une grande quantité de données étiquetées. Le nombre d'images médicales disponible est
usuellement petit et son acquisition étiquetée est un processus trés couteux. C'est pourquoi, au cours
de ces derniéres années, le réseau antagoniste génératif (Generative Adversarial Network (GAN)) est
devenu la technique de choix pour la génération et la conversion d'images dans le domaine de l'imagerie
médicale. Dans ce travail, nous exploitons les GANs pour diagnostiquer une Rétinopathie Diabétique
(RD), en proposant une architecture qui permet en plus d'augmenter les données `a partir d'une image
réelle, de la prétraiter pour améliorer sa qualité visuelle pour une meilleure classification et un bon
diagnostic. Les résultats d'expérimentation obtenus sont très prometteurs.
