Conception d’un syst`eme automatique d’aide au diagnostic du Covid-19

Abstract

Le CORONA Virus ou COVID-19 est une maladie tr`es dangereuse, en raison de son d´eveloppement rapide et de sa propagation entre les personnes, ce qui a fait beaucoup souffrir la plupart des pays, afin de limiter sa propagation, la difficult´e de son diagnostique en raison du grand nombre d’infections, diminuer le temps de donner les r´esultats, et les m´edecins peuvent faire des erreurs en raison du grand nombre de tests, nous avons propos´e d’´evaluer un syst`eme de diagnostique de la maladie COVID-19. `A travers ce travail, nous pr´esenterons une solution bas´ee sur l’apprentissage profond utilisant des r´eseaux de neurones convolutifs qui classent les images m´edicales thoraciques en trois cat´egories (cas normaux, cas COVID, cas de pneumonie).Notre solution est bas´ee sur l’utilisation de deux approches, la premi`ere bas´ee sur l’utilisation de l’apprentissage par transfert sur certains r´eseaux de neurones convolutifs pr´e-entrain´es et en extrayant les caract´eristiques `a partir d’images radiographiques thoraciques. Nous avons ´egalement utilis´e un mod`ele de concat´enation entre deux mod`eles. Ensuite, nous avons ´etudi´e l’impact de la taille de la base. Et la deuxi`eme approche bas´ee sur Vision Transformer. Les mod`eles propos´es ont donn´e de bons r´esultats. L`a o`u la premi`ere ´etape de la premi`ere approche a donn´ee les meilleurs r´esultats, alors que la deuxi`eme ´etape nous avons constat´e une am´elioration des r´esultats avec l’augmentation de la taille de la base de pr´e-entrainement, quant `a la deuxi`eme approche, elle a donn´e des r´esultats encourageants.