Apprentissage profond pour la détection et la localisation automatisées des polypes en coloscopie par l’utilisation de la méthode YOLOv8
Loading...
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Faculté des Sciences
Abstract
Plusieurs maladies peuvent affecter le système digestif humain. Parmi elle, le cancer colorectal (CRC) qui présente l’une des plus grandes causes de décès liés au cancer dans le monde. Le CRC est principalement causé par des polypes qui peuvent se développer sur les parois internes des intestins ou du rectum. Pour améliorer les chances de survie, la détection préalable, le pronostic et le traitement rapide sont des facteurs cruciaux. Détecte de façon précoce, l'ablation chirurgicale des polypes peut aider à les éradiquer. L'utilisation de systèmes développés d’outils d’aide au diagnostic assisté par ordinateur (CADx) équipés d'algorithmes d'apprentissage automatique appropriés, et plus particulièrement de méthodes d'apprentissage en profondeur, contribue à aider les patriciens à obtenir une détection d'objets très pertinente d'anomalies en médecine. À cet égard, ce travail expose un modèle d'apprentissage en profondeur pour la détection automatisée des polypes en utilisant You Only Look Once (YOLO) version 8. Les versions antérieures de la famille YOLO ont été expérimentées et ont montré de bonnes performances. Dans ce travail, nous avons utilisé la YOLOv8 qui n'a pas encore été impliquée dans la détection des polypes, à notre connaissance. Le modèle de détection en temps réel est utilisé avec les deux bases de données Kvasir-SEG et BKAI-IGH. Les résultats sont comparés à ceux obtenus par l'utilisation de YOLOv7 et montrent une nette amélioration des performances de YOLOv8 par rapport à YOLOv7