Prédiction de la voie d'abord chirurgicale des tumeurs pétreuses : une approche basée sur le Deep Learning.

Abstract

Ce mémoire vise à développer un modèle d'intelligence artificielle basé sur des réseaux de neurones convolutifs (CNN) pour prédire l'approche chirurgicale optimale pour les tumeurs cérébrales situées à la base du crâne, en se basant sur des images d'IRM. Le Deep Learning, en particulier avec le Transfer Learning, a montré son efficacité dans la classification des tumeurs cérébrales à partir d'images d'IRM. Trois modèles populaires en Transfer Learning ont été utilisés et des techniques d'Ensembling ont été envisagées pour améliorer la classification. Les résultats préliminaires sont encourageants, mais des travaux futurs sont nécessaires pour augmenter la taille de l'ensemble de données et explorer d'autres architectures et techniques d'optimisation. Notre approche est ensuite implémentée dans une application web permettant aux résidents, médecins inexpérimentés et étudiants d'acquérir plus d'expérience en termes de choix de l'approche chirurgicale optimale. Ce mémoire ouvre la voie à des avancées cliniques significatives dans la classification des tumeurs cérébrales, en particulier pour les professionnels médicaux moins expérimentés.