L’analyse des sons pulmonaire par intelligence artificielle

Abstract

L'auscultation pulmonaire traditionnelle à l'aide d'un stéthoscope mécanique reste un outil de diagnostic clinique de première ligne essentiel, mais elle est limitée par la perception subjective de l'oreille humaine et la variabilité inter-observateur, en particulier pour distinguer des anomalies acoustiques subtiles comme les crépitants, les sibilances et les ronchus. Ce travail présente le développement d'un système intelligent hybride d'aide à la décision clinique pour la classification automatique des maladies respiratoires à partir des sons pulmonaires. Pour pallier les limites des modèles de classification classiques, nous proposons une architecture hybride originale fusionnant deux approches complémentaires : d'une part, un réseau de neurones convolutif (CNN) personnalisé conçu pour extraire des caractéristiques spectrales à haute résolution à partir des spectrogrammes de Mel (représentations 2D temps-fréquence) ; d'autre part, un modèle pré entraîné YAMNet de Google exploitant le principe de l'apprentissage par transfert (Transfer Learning) pour capturer des descripteurs sémantiques globaux à haute dimension. Le système a été entraîné et validé sur une base de données consolidée de 917 enregistrements audio, obtenue par la fusion de la base de données internationale ICBHI 2017 et d'une base de données complémentaire (Fraiwan et al.), répartis sur 6 classes pathologiques : BPCO (COPD), sujets sains (Healthy), infections des voies respiratoires supérieures (URTI), dilatation des bronches (Bronchiectasis), pneumonie (Pneumonia) et bronchiolite (Bronchiolitis). Pour surmonter le déséquilibre sévère des classes, des stratégies de régularisation et d'augmentation robustes (telles que le Mixup, le Label Smoothing, la pondération des classes et un fort Dropout) ont été intégrées. Les résultats expérimentaux démontrent l'efficacité de l'approche hybride qui atteint une exactitude globale (Accuracy) de 87.8 %, un F1-score macro de 69.1 % et un F1-score pondéré de 88.7 %, représentant une amélioration de +26.7 % du F1-score macro par rapport à une architecture CNN classique non optimisée. Le modèle a été déployé sous la forme d'un serveur d'inférence en temps réel avec une interface web asynchrone (FastAPI/HTML5) permettant aux cliniciens de téléverser des sons, de visualiser les prédictions probabilitaires, d'inspecter les spectrogrammes et de générer des rapports cliniques PDF structurés.