L’apprentissage profond(Deep Learning) pour la classification des lames anapath numérisées

Abstract

La phase de diagnostic dans le domaine médical considéré le plus important vu que tout le processus de traitement sera basé sur ce diagnostic. Cette importante étape nécessite beaucoup de temps et d’efforts surtout des lorsqu’on a besoin d’un examen complémentaire. La maladie oncologique est l’une des maladies qui nécessitent un examen anapath qui dépasse 15 jours, la chose qui influence sur l’étape de traitement. Notre objectif dans ce travail est d’accélérer le processus d’exploration de la pièce anapath par un traitement automatique. Ce dernier basé sur la numérisation de la lame anapath en premier lieu afin de mettre ces images sous un traitement de classification recenser sur les réseaux de neurones convolutionnels. À cette fin, nous avons introduit deux méthodes différentes, chacune basée sur l’apprentissage en profondeur et nous avons proposé plusieurs modèles différents selon l’ordonnancement des couches et un jeu de paramètres, dans le but d’obtenir la meilleure classification possible des images pathologiques recueillies à partir d’échantillons réels.