Détection précoce de la maladie d’Alzheimer par l’approche multifractale combinée au CNN sur les imagesIRM

Abstract

La maladie d’Alzheimer est une affection neurodégénérative progressive qui nécessite un diagnostic précoce afin d’améliorer la prise en charge des patients. Dans ce contexte, ce travail propose une approche automatique de détection basée sur la combinaison de l’analyse multi fractale et des réseaux de neurones convolutionnels (CNN) appliquée à des images cérébrales. L’analyse multifractale permet de caractériser la complexité locale des images à travers l’exposant de Hölder, offrant ainsi une description fine des structures cérébrales. Ces caracté ristiques sont ensuite exploitées par un modèle CNN afin d’assurer la classification entre sujets sains et patients atteints de la maladie d’Alzheimer. L’approche proposée a été testée sur des images médicales et les résultats obtenus montrent que la combinaison des méthodes multifractales et du deep learning améliore la performance de classification et la robustesse de la détection..