Conception et développement d'un modèle de Deep Learning pour la classifiication automatique du cancer de la peau.

Abstract

La classification des lésions cutanées à partir d’images dermatologiques représente un domaine clé de l’aide au diagnostic médical assisté par ordinateur. Cependant, cette tâche est particulièrement complexe en raison de plusieurs facteurs, notamment la grande variabilité visuelle des lésions, la présence de bruit dans les images ainsi qu’un contraste parfois insuffisant. Ces difficultés rendent l’analyse manuelle moins fiable et limitent les performances des méthodes classiques de traitement d’images. Dans ce contexte, ce travail propose le développement d’un système automatisé basé sur les techniques d’apprentissage profond afin d’améliorer la précision du diagnostic. L’approche adoptée repose principalement sur les réseaux de neurones convolutions (CNN) et le transfert d’apprentissage (Transfer Learning), permettant d’exploiter des modèles préentraînés pour extraire automatiquement des caractéristiques pertinentes et discriminantes à partir des images dermatologiques. L’objectif de ce travail est de proposer un outil intelligent d’aide au diagnostic, capable d’assister les dermatologues dans l’analyse des images cutanées, tout en améliorant la rapidité, la précision et la détection précoce du cancer de la peau. Pour atteindre cet objectif, le système développé repose sur plusieurs étapes complémentaires. Dans un premier temps, les images sont prétraitées afin de réduire le bruit, d’améliorer le contraste et de normaliser les données, ce qui permet d’optimiser l’apprentissage du modèle. Ensuite, un modèle de classification est conçu et entraîné afin de distinguer les lésions bénignes des lésions malignes. Enfin, une phase d’évaluation est réalisée à l’aide de différentes métriques de performance afin de mesurer la fiabilité et l’efficacité du système. Mots Clés : Transfert Learning, images de la peau, classification, réseaux de neurones convolutifs (CNN), VGG19, DenseNet169. G

ABSTRACT Computer-aided medical diagnosis for skin lesions relies heavily on classification based on dermatological images. There are multiple factors that make this task particularly complex, such as the wide visual variability of lesions, noise in the images, and sometimes insufficient contrast. The performance of conventional image processing methods is limited by these difficulties, which make manual analysis less reliable. In this context, the proposed study is established on the development of an automated system based on deep learning techniques to improve diagnostic accuracy. Convolutional neural networks (CNNs) and transfer learning are the main factors of the approach, which enable pre-trained models to automatically extract relevant and discriminative features from dermatological images. The purpose of this work is to propose an intelligent diagnostic aid tool, capable of assisting dermatologists in the analysis of skin images, whilst improving the speed, accuracy and early detection of skin cancer. To achieve this objective, the developed system is based on several complementary stages. Firstly, the images are pre-processed to reduce noise, improve contrast and normalize the data, thereby optimizing the model’s learning. Next, a classification model is designed and trained to distinguish between benign and malignant lesions. Finally, an evaluation phase is conducted by utilizing various performance metrics to assess the system's reliability and effectiveness. Keywords: Transfer learning, skin images, classification, convolutional neural networks (CNN), VGG19, DenseNet169. H

ملخص يُعدّ . إلا أن هذه المهمة بالغة ً تصنيف الأمراض من الصور الجلدية مجالا ً رئيسيا في التشخيص الطبي بمساعدة الحاسوب ً لتباين، وأحيان ً الخلفية ومجال الاهتمامالتعقيد نظرا لعدة عوامل، لا سيما التباين البصري الكبير بين ا عدم كفاية افي الصور هذه الصعوبات تجعل التحليل اليدوي أقل موثوقية وتحدّ من أداء طرق معالجة الصور التقليدية . ّم العميق لتحسين دقة التشخيص في هذا السياق، يقترح هذا العمل تطوير نظام آلي قائم على تقنيات التعل . يعتمد النهج ُ م ألنقلي، مما يسمح باستخدام نماذج م ّدر ً بة مسبق ُ بشكلالمعتمد سي على الشبكات العصبية الالتفافيةأسا ا لاستخراج ّ والتعل ً السمات ذات الصلة والمميزة من الصور الجلدية تلقائيا . تحليل صور الجلد، مع تحسين سرعة يهدف هذا العمل إلى توفير أداة تشخيصية ذكية قادرة على مساعدة أطباء الجلد في ودقة الكشف المبكر عن سرطان الجلد. ُ ولتحقيق هذا الهدف، يعتمد النظام الم ّطو ُ ر على عدة خطوات متكاملة. ً أولا، تُعالج ة تعلم النموذجالتشويش، وتحسين التباين، وتوحيد البيانات، مما يُ ّحسن عملي . ً ثانيا، يُ ّصمم نموذج ً مسبق لتقليل االصور الحميدةتصنيف ويُ ّدرب للتمييز بين الآفات والخبيثة. ً أخيرا، تُجرى مرحلة تقييم باستخدام مقاييس أداء متنوعة لقياس موثوقية النظام وكفاءته .

كلمات مفتاحيه: ال