KIEGLFN : Un cadre unifié pour le grading de l'acné sur des images faciales

La classification du niveau de gravité est une étape extrêmement importante pour un diagnostic précis et la mise en place de schémas thérapeutiques personnalisés dans l’acné. Toutefois, les critères de classification de l’acné ne sont pas uniformisés dans le domaine médical. Ce travail vise à développer un système de diagnostic de l’acné capable de s’adapter à diverses méthodologies de classification. Méthodes : Un cadre unifié de classification de l’acné, généralisable à différentes échelles de gravité, a été conçu. Ce cadre imite, en deux étapes, l’évaluation globale réalisée par un dermatologue. Premièrement, une méthode d’adaptation de prétraitement d’images filtre efficacement les informations non pertinentes et renforce les éléments clés. Ensuite, une architecture réseau innovante fusionne des caractéristiques profondes globales avec des caractéristiques locales, afin de simuler la comparaison entre l’observation locale de la peau et l’analyse globale effectuée par les dermatologues. En outre, une stratégie de fine-tuning par transfert a été proposée pour transférer les connaissances préalables d’un critère à un autre, améliorant ainsi significativement les performances du cadre dans les cas de données limitées. Résultats : La méthode de prétraitement filtre efficacement les zones non pertinentes et améliore les performances des modèles ultérieurs. Le cadre atteint des taux de précision de 84,52 % et 59,35 % sur deux jeux de données respectivement. Conclusion : L’application de ce cadre à la classification de l’acné dépasse de 1,71 % la méthode de l’état de l’art, atteint un niveau diagnostique comparable à celui d’un dermatologue professionnel, et la stratégie de fine-tuning par transfert améliore la précision de 6,5 % sur un petit jeu de données.