DeepLOC : Localisation et classification des pathologies osseuses par apprentissage profond dans les images radiographiques du poignet

Ces dernières années, les systèmes d’aide au diagnostic assistés par ordinateur ont démontré un grand potentiel dans l’assistance des radiologues pour une analyse précise et efficace des images médicales. Ce papier présente une nouvelle approche pour la localisation et la classification des pathologies osseuses dans les radiographies du poignet, basée sur une combinaison de YOLO (You Only Look Once) et du modèle Shifted Window Transformer (Swin), accompagnée d’un nouveau bloc proposée. La méthodologie proposée vise à relever deux défis cruciaux dans l’analyse des radiographies du poignet : la localisation précise des pathologies osseuses et la classification exacte des anomalies. Le cadre YOLO est utilisé pour détecter et localiser les pathologies osseuses, tirant parti de ses capacités de détection d’objets en temps réel. Par ailleurs, le modèle Swin, basé sur une architecture transformer, est employé pour extraire des informations contextuelles à partir des régions d’intérêt (ROIs) localisées, afin d’assurer une classification précise.