Deep learning pour la mise en évidence du diagnostic en anatomie pathologique à base d’immunohistochimie

Abstract

Dans le domaine médical, la phase de diagnostic est la plus importante, car l'ensemble du processus de traitement sera basé sur cette étape. Les maladies oncologiques comme le cancer du sein nécessitent une étude anatomopathologique précise accompagnée par des examens complémentaires tels que la coloration immunohistochimiques dont l’inconvénient majeur est la perte du temps et d’efforts dans le traitement manuel des résultats obtenus, ce qui influence négativement sur l’étape de traitement.

Dans ce travail notre objectif est d’accélérer et donner plus de précision dans le processus d’immunohistochimie par un traitement automatique. Ce dernier est basé sur la classification des lames d’examen anatomopathologique du processus cancéreux mammaire, en utilisant les réseaux de neurones convolutionnels et l’apprentissage par transfert, grâce à cela notre modèle atteint la précision de 97,27%.