Projet de Deep Learning appliqué à la santé, portant sur la classification multiclasse du cancer du sein et la détection d’anomalies à l’aide de réseaux de neurones profonds.
Présentation de la réalisation
Projet de Deep Learning appliqué à la santé, portant sur la classification multiclasse du cancer du sein et la détection d’anomalies à l’aide de réseaux de neurones profonds.
Le point de départ
Appliquer le deep learning au domaine de la santé
Le problème à résoudre
Développer un modèle capable de : - classifier différents types de cancer du sein (multiclasse) - détecter automatiquement des anomalies dans les données médicales
Ce qui a été construit
Approche technique - Prétraitement et normalisation des données médicales - Conception d’un réseau de neurones profond (Deep Neural Network) - Adaptation/optimisation de l’architecture pour la classification multiclasse - Intégration d’un mécanisme de détection d’anomalies basé sur des principes modifiés de réseaux neuronaux - Entraînement et validation du modèle - Évaluation via des métriques (accuracy, précision, recall, etc.)
Impact & apprentissages
Contributions clés - Implémentation d’un modèle de classification multiclasse robuste - Amélioration de la détection d’anomalies grâce à une approche modifiée - Analyse des performances du modèle sur des données réelles/simulées
Chiffres & indicateurs
Ce projet m’a permis de travailler sur un cas d’usage réel en intelligence artificielle appliquée à la santé, en combinant classification et détection d’anomalies pour améliorer l’analyse des données médicales.
Galerie
Images & documents
