Mise en place d’une Plateforme Intelligente d’Analyse d’Images IRM pour l’aide à la décision médicale : Cas du CHU de Tlemcen

Abstract

Ce travail propose un système de classification automatique des pathologies du rachis lombaire à partir d’images d’IRM en utilisant des techniques de Deep Learning. L’objectif principal est d’assister le diagnostic médical en améliorant la rapidité, la précision et la fiabilité de l’interprétation des images. Une base de données d’IRM a été constituée et organisée en quatre classes : rachis normal, hernie discale, sténose lombaire et autres pathologies. Les images ont subi plusieurs étapes de prétraitement, notamment le redimensionnement, la normalisation et l’augmentation des données, afin d’améliorer la qualité de l’apprentissage et la robustesse des modèles. Trois architectures de réseaux de neurones convolutifs pré entraînées, à savoir ResNet50, DenseNet121 et EfficientNet-B3, ont été comparées dans un cadre de transfert d’apprentissage. Les performances des modèles ont été évaluées à l’aide de métriques standard de classification. Les résultats obtenus montrent que les modèles de Deep Learning permettent une classification efficace des pathologies lombaires, confirmant ainsi leur potentiel et leur intérêt dans le développement d’outils d’aide au diagnostic médical.