Technique d’Apprentissage Automatique de la Segmentation d’Image Médicale IRM Cérébrale Tumorale
Loading...
Date
2025
Journal Title
Journal ISSN
Volume Title
Publisher
Faculté des Sciences
Abstract
L’intelligence artificielle, à travers ses divers paradigmes et techniques, joue aujourd’hui un rôle central dans l’amélioration du diagnostic médical, toutes spécialités confondues. L’imagerie médicale constitue un outil indispensable pour les cliniciens et radiologues, en l’aidant à affiner les diagnostics et à définir les stratégies thérapeutiques appropriées. La reconnaissance des anomalies pathologiques dans les images médicales, notamment par l’apprentissage automatique – qu’il soit classique ou moderne – connaît un essor significatif en médecine contemporaine.
Dans le cadre de ce mémoire de master, nous explorons une technique d’apprentissage automatique non supervisée : l’algorithme de clustering k-means. Notre contribution consiste à proposer une approche de segmentation localisée, dans laquelle les images IRM cérébrales sont d’abord divisées en régions, puis segmentées localement à l’aide de k-means, avant d’agréger les résultats partiels pour obtenir une segmentation globale. L’objectif principal est d’identifier et de délimiter des lésions cérébrales, telles que les tumeurs, de manière plus précise.
Avant d’aborder la méthode proposée, nous présentons un aperçu du domaine de l’imagerie médicale, en mettant l’accent sur l’IRM, ainsi qu’une synthèse des principales techniques d’apprentissage automatique utilisées en traitement d’images médicales