Abstract:
Le domaine médical fait face à un défi majeur avec les tumeurs cérébrales, en raison de leur complexité et de leurs conséquences graves. Diagnostiquées souvent par IRM, ces images détaillées du cerveau nécessitent une analyse précise demandant une grande expertise. Cette étude explore l'utilisation du Deep Learning pour classifier automatiquement les tumeurs cérébrales à partir d'images IRM. Les réseaux neuronaux convolutionnels (CNN) montrent une forte capacité à extraire des caractéristiques pertinentes d'images m´edicales complexes. Plusieurs architectures CNN ont été entraˆ?nées et évaluées sur une base de donn´ees annot´ee d'IRM. Nos résultats expérimentaux montrent des résultats prometteurs en classification des tumeurs c´er´ebrales. Comparés aux méthodes classiques, les bénéfices du Deep Learning se manifestent par une meilleure précision diagnostique et une rapidit´e de traitement accrue. Des techniques avanc´ees comme le transfert d'apprentissage ont également été étudi´ees pour améliorer les performances sur de grands ensembles de données. En résumé, cette étude contribue à l'´evolution des méthodes d'analyse d'images médicales par Deep Learning. Les résultats suggèrent que l'intégration de ces techniques dans la pratique clinique pourrait améliorer la précision et l'efficacité du diagnostic des tumeurs cérébrales à partir d'IRM.
