Développement d’un système de classification du cancer du poumon dans les images histologiques pour l’aide au diagnostic

Abstract

Le cancer du poumon constitue un enjeu majeur de santé publique à l'échelle mondiale, en raison de sa complexité biologique. Un diagnostic précoce est important afin d’améliorer les chances de survie, mais l'analyse manuelle des images histopathologiques par des experts de meure une tâche laborieuse, chronophage et sujette à des variations entre les spécialistes. À l'ère numérique, l'intelligence artificielle propose des solutions nouvelles pour automatiser ces pro cessus.Ce projet se concentre sur la création d'un système automatisé d'aide au diagnostic pour la classification du cancer du poumon. En utilisant la puissance de l'apprentissage profond, nous avons réalisé une étude comparative entre plusieurs architectures avancées de réseaux de neu rones convolutionnels (ResNet50, InceptionV3, DenseNet121, EfficientNetB3) et les modèles de Vision Transformer (ViT). Grâce à l'application de l'apprentissage par transfert sur la base de données LC25000, nos résultats montrent que le modèle ResNet50 surpasse les autres avec une précision impressionnante de 99,93 %. Ce système représente donc une aide précieuse pour les pathologistes, en sécurisant le diagnostic et en accélérant la prise en charge thérapeutique.