Traitement du flou de mouvement en imagerie à rayons X par des techniques robustes de filtrage basées sur l'intelligence artificielle
Loading...
Date
2026
Journal Title
Journal ISSN
Volume Title
Publisher
Faculté des Sciences
Abstract
Le flou de mouvement est l'une des causes majeures de dégradation de la qualité
des images médicales à rayons X, réduisant la netteté des structures anatomiques et
pouvant affecter la précision du diagnostic. Ce travail propose une approche basée sur le
Deep Learning pour restaurer les images dégradées. Une base de données d'images
médicales a été préparée puis dégradée artificiellement par flou de mouvement pour
simuler des conditions réelles d'acquisition. Un modèle Residual U-Net a ensuite été
développé pour restaurer les images altérées, entraîné à l'aide d'une fonction de perte
combinée visant à préserver la qualité visuelle et les détails anatomiques. Les
performances ont été évaluées via les métriques PSNR, SSIM et RMSE, démontrant une
amélioration notable de la qualité de restauration et de la préservation des détails,
confirmant l'efficacité des techniques de filtrage basées sur l'IA pour la correction du
flou de mouvement et l'amélioration des images médicales.