Abstract:
Ce mémoire explore l'application du Machine Learning (ML) dans le diagnostic de la pneumonie à partir d'un échantillon d'images étiquetées, en prenant comme cas d'étude le Centre Hospitalier Universitaire (CHU) de Béjaïa. L'objectif est de mettre en oeuvre une méthode automatique pour classifier les images à l'une des classes établies au préalable. La contribution principale de ce travail réside dans l'évaluation d'une approche hybride qui combine des ré- seaux de neurones convolutifs (CNN), particulièrement les architectures VGG16 et VGG19, avec divers algorithmes d'apprentissage automatique tels que SVM et KNN. Cette méthode est utilisée pour extraire les caractéristiques et classer correctement les images pulmonaires. Les ré- sultats montrent que l'utilisation du Machine Learning améliore significativement la précision et la rapidité du diagnostic de la pneumonie, démontrant ainsi le potentiel de ces technologies pour optimiser les pratiques médicales traditionnelles. Ainsi, l'efficacité des méthodes hybrides dans l'amélioration des performances diagnostiques, tout en ouvrant la voie à des études futures pour optimiser davantage ces techniques.
