Diagnostic automatique des pathologies pulmonaires par l’analyse des images radiologiques thoraciques

Abstract

Les pathologies pulmonaires infectieuses représentent un enjeu majeur de santé publique mondiale, causant chaque année une forte morbidité et mortalité. La radiographie thoracique (CXR), bien que couramment utilisée pour son accessibilité, présente des limites liées à la difficulté d’interprétation des images.Pour mieux résoudre ces problèmes,l’intelligence artificielle, notamment l’apprentissage profond, offre des solutions prometteuses. L’objectif de ce travail est de développer des modèles d’apprentissage profond pour détecter et classifier automatiquement des pathologies pulmonaires infectieuses (pneumonie bactérienne, pneumonie virale, tuberculose) à partir de radiographies thoraciques. Quatre architectures CNN ont été proposées : un modèle classique et trois modèles pré-entraînés (ResNet50, EfficientNetB0, DenseNet121) appliqués à des bases de données médicales, produisant des résultats encourageants. Les modèles visent à assister les cliniciens dans leurs décisions diagnostiques, contribuant ainsi à une meilleure prise en charge des patients.