DEEP-LEARNING APPLIQUE A LA SEGMENTATION DES IMAGES MEDICALES

Abstract

La Segmentation d’images basée sur l’apprentissage en profondeur est désormais établie comme un outil robuste de segmentation d’images. Il a été largement utilisé pour séparer les zones homogènes en tant que premier élément critique du pipeline de diagnostic et de traitement. L’objectif de ce travail est de proposer une approche de Deep Learning dans le domaine de l’épidémiologie pour détecter les tumeurs cérébrales. Pour ce faire, nous avons choisi d’utiliser les réseaux de neurones convolutifs (CNN), où différents modèles ont été implémentés nous permettant d’obtenir les meilleurs résultats. Dans cette étude, nous avons proposé deux approches de réseau neuronal convolutif et créé deux modèles fondés sur ces approches, les modèles créés ont été initiés et ont prouvé leur efficacité en atteignant une précision élevée et un score F1 dans leurs tests à l’aide de données BraTS 2019.