Utilisation de l'IA pour la classification automatique du SOPK par imagerie ultrasonore

Le Défi de Classification AUTO-PCOS vise à améliorer les capacités diagnostiques de l'intelligence artificielle (IA) dans l'identification du syndrome des ovaires polykystiques (SOPK) grâce à la classification automatisée d'images ultrasonores saines et non saines. Ce rapport présente notre méthodologie pour construire une chaîne de traitement robuste de l'IA en utilisant le transfert d'apprentissage avec l'architecture InceptionV3 afin d'atteindre une haute précision dans la classification binaire. Les étapes de prétraitement ont assuré que le jeu de données soit optimisé pour l'entraînement, la validation et le test, tandis que les méthodes d'interprétabilité comme LIME et les cartes de saillance ont fourni des informations précieuses sur le processus décisionnel du modèle. Notre approche a atteint une précision de 90,52 %, avec des métriques de précision, rappel et F1-score dépassant 90 % sur les données de validation, démontrant ainsi son efficacité. Le projet souligne le potentiel transformateur de l'IA dans le domaine de la santé, en particulier pour relever des défis diagnostiques tels que le SOPK. Les principaux résultats, les défis rencontrés et les recommandations pour des améliorations futures sont discutés, mettant en lumière le chemin à suivre pour créer des outils diagnostiques médicaux fiables, interprétables et évolutifs alimentés par l'IA.