Résumé:
La phase de diagnostic revêt une importance primordiale dans le domaine médical, car l'ensemble du processus de traitement repose sur cette étape cruciale. Les maladies oncologiques, telles que le cancer du sein, requièrent une étude anatomopathologique précise, accompagnée d'examens tels que la biopsie. Cependant, l'inconvénient majeur de cette méthode réside dans la perte de temps et d'efforts liée au traitement manuel des résultats obtenus, ce qui a une influence néfaste sur l'étape de traitement.
Le but de notre étude est de développer une approche visant à accélérer et améliorer la précision du processus de classification des images histopathologiques du cancer du sein colorées avec Hématoxyline & Eosine. Pour atteindre cet objectif, nous utilisons des réseaux de neurones convolutionnels et l'apprentissage par transfert. Les résultats obtenus grâce à cette méthode ont démontré une précision remarquable de 96% pour notre modèle.
