Deep Learning-CNN based Alzheimer’s disease diagnosis

Abstract

Ce mémoire vise à utiliser les réseaux de neurones convolutionnels (CNN) pour détecter la maladie d’Alzheimer (MA) à l’aide de l’imagerie par résonance magnétique (IRM). La maladie d’Alzheimer, un trouble neurodégénératif répandu, présente des défis significatifs en termes de diagnostic, nécessitant des méthodologies avancées. Ce travail intègre des modèles d’apprentissage profond pour améliorer les capacités de classification, incluant des techniques de prétraitement et d’augmentation des données comme le suréchantillonnage synthétique des minorités (SMOTE). Ce mémoire explore aussi le développement et l’optimisation de variantes CNN adaptées à la détection de la MA. Les résultats expérimentaux montrent le potentiel des CNN à améliorer la précision du diagnostic, soulignant l’importance de l’apprentissage automatique dans les diagnos tics médicaux. Ce travail met en avant le rôle critique des avancées technologiques en neuroimagerie et en intelligence artificielle.