Détection et classification multi-label de maladies pulmonaires par apprentissage automatique à partir d’images de radiographie thoracique - TEL - Thèses en ligne
Thèse Année : 2024

Detection and multi-label classification of lung diseases from chest x-ray images using machine learning

Détection et classification multi-label de maladies pulmonaires par apprentissage automatique à partir d’images de radiographie thoracique

Résumé

Lung diseases are a major cause of death worldwide, and early diagnosis is crucial to improve the chance of recovery. Artificial Intelligence technologies have opened promising avenues in the biomedical field. Thus, in this thesis, AI models are used to improve the classification performance of lung diseases from chest X-ray images. New preprocessing approaches based on CycleGAN are developed to reduce the noise effect caused by artifacts such as medical devices in chest Xrays, as well as to generate masks that include pathological areas within the regions of interest. Additionally, a new feature selection approach is developed to identify the statistically most significant features a priori before classification. Beyond image analysis, the associated clinical data are also examined to refine the classification model according to the patient’s profile, enhancing diagnostic effectiveness. The proposed advancements show promising results in improving the performance of both binary and multi-label classification of lung diseases
Les maladies pulmonaires représentent une cause majeure de décès dans le monde, et le diagnostic précoce est crucial pour améliorer les chances de rétablissement. Les technologies d’Intelligence Artificielle ont ouvert des voies prometteuses dans le domaine biomédical. Ainsi dans cette thèse,des modèles d’IA sont utilisés pour améliorer la performance de classification des maladies pulmonaires à partir des images de radiographie thoracique. De nouvelles approches de prétraitement basées sur CycleGAN sont développées pour réduire l’effet du bruit causé par les artefacts tels que des dispositifs médicaux dans les radiographies thoraciques, ainsi que pour générer des masques incluant les zones pathologiques dans les régions d’intérêt. Ensuite, une nouvelle approche de sélection de caractéristiques est développée pour identifier a priori les caractéristiques statistiquement les plus significatives avant la classification. Au-delà de l’analyse des images, les données cliniques associées sont également examinées pour affiner le modèle de classification selon le profil du patient, ce qui améliore l’efficacité diagnostique. Les avancées proposées présentent des résultats prometteurs améliorant la performance de la classification binaire et multi-label des maladies pulmonaires.
Fichier principal
Vignette du fichier
HAGECHEHADE.pdf (12.25 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04840343 , version 1 (16-12-2024)

Identifiants

  • HAL Id : tel-04840343 , version 1

Citer

Aya Hage Chehade. Détection et classification multi-label de maladies pulmonaires par apprentissage automatique à partir d’images de radiographie thoracique. Traitement du signal et de l'image [eess.SP]. Université d'Angers, 2024. Français. ⟨NNT : 2024ANGE0020⟩. ⟨tel-04840343⟩
0 Consultations
0 Téléchargements

Partager

More