L’AVC est une lésion qui affecte le tissu cérébral, principalement causée par des modifications de la circulation sanguine dans une région précise du cerveau. En conséquence, certaines fonctions spécifiques liées à cette région touchée peuvent être altérées, entraînant une baisse de la qualité de vie du patient. Dans ce travail, nous abordons le problème de la détection des AVC à partir d’images de tomographie computée (TC) en utilisant des réseaux de neurones convolutifs (CNN) optimisés par l’algorithme de swarm particulaire (PSO). Nous avons considéré deux types d’AVC distincts : l’AVC ischémique et l’AVC hémorragique, tout en mettant à disposition un jeu de données public afin de favoriser la recherche dans le domaine de la détection des AVC dans le cerveau humain. Ce jeu de données comprend trois types d’images pour chaque cas : l’image TC originale, une image avec le crâne segmenté, et une image supplémentaire représentant la carte de densité radiologique. Les résultats ont montré que les CNN sont adaptés à la détection des AVC, permettant d’obtenir des résultats prometteurs.