Prédiction automatique du degré de sévérité de tuberculose pulmonaire

Abstract

La tuberculose (TBC) est une maladie infectieuse qui demeure une cause majeure de décès dans le monde. D'autre part, il y a eu un développement considérable ces dernières années, dans le domaine de l'apprentissage en pro- fondeur, qui permet la classi cation d'images extrêmement hétérogènes. De plus, il a été véri é que les réseaux de neurones convolutionnels profonds (CNN) sont des algorithmes très prometteurs pour diverses tâches visuelles. Nous nous intéressons dans ce travail à la prédiction automatique du degré de sévérité de la tuberculose pulmonaire via une analyse d'images tomoden- sitométriques. Cela permettra d'accélérer le diagnostic de la maladie à partir d'une image de radiologie sans avoir recours à des analyses médicales coû- teuses. Vu la qualité des images de radiologie, cette étude s'avère beaucoup plus di cile qu'une analyse d'images ordinaires. Dans ce rapport nous nous intéressons à la prédiction automatique du degré de sévérité de tuberculose pulmonaire. Dans ce rapport, nous nous intéressons à l'utilisation d'un réseau de neu- rones profond pour la prédiction automatique du degré de sévérité des cas tu- berculeux. Nous proposons d'utiliser l'architecture Inception. Nos di érentes expérimentations sont réalisées dans le contexte de la tâche Tuberculosis de ImageCLEF2019 [20].