Détection et classification d’Alzheimer à partir des images IRM

Abstract

La maladie d’Alzheimer est un trouble neurodégénératif complexe, dont le dépistage précoce est essentiel pour optimiser la prise en charge thérapeutique. Cette étude explore une méthode automatisée de classification des stades de la maladie à partir d’images IRM cérébrales, en recourant à l’intelligence artificielle. Le travail s’appuie sur un ensemble de données issu de la plateforme Kaggle ("Dataset_Alzheimer"). Après un prétraitement rigoureux des images, plusieurs modèles ont été évalués, notamment un réseau de neurones convolutif (CNN), ainsi que trois architectures pré-entraînées — MobileNetV2, VGG19 et EfficientNetB0 — intégrées à travers la technique du transfert learning. Cette approche illustre le potentiel des modèles profonds pour assister le diagnostic médical de manière fiable et automatisée.