Utilisation du Deep Learning pour la classification des images IRM pour la détection des AVC

Abstract

L’accident vasculaire cérébral est la première cause de handicap acquis à l'âge adulte dans le monde, avec plus de deux tiers des individus qui subissent des handicaps à long terme généralement à cause du retard de traitement. En effet, pendant un AVC, privé de sang, des millions de neurones meurent chaque minute, ce qui rend le diagnostic d’un AVC une course contre la montre. En appliquant la technique émergeante de classification d’images à base d’apprentissage profond « réseau neuronal convolutionnel » à une large base de données d’images d’AVC segmentées à la main « ATLAS », nous sommes à présent en mesure de confirmer ou infirmer la présence de lésions dans chaque coupe d’une image 3D cérébrale de type T1 avec une précision de validation de 95% ± 1.5% et un score AUC de 0.996. Nous comparerons aussi notre modèle proposé aux modèles référentiels VGG16 et inception V3.