Résumé:
La détection précoce du cancer du sein est très utile car elle réduit le taux de mortalité et le cout de traitement. Parmi les techniques de dépistage et la plus importante est la mammographie, qui présente une radiographie des seins, permettant détecter ainsi d’éventuelles anomalies. Cependant la détection des petites anomalies comme les micro-calcifications et masses peuvent être difficile pour les radiologues.
Ce travail présente un modèle d'apprentissage profond pour classer les anomalies en masse et la calcification à partir de la mammographie en utilisant un réseau de neurones convolutifs comme première stratégie, puis appliquer l'apprentissage par transfert pour améliorer la précision et obtenir une haute précision comme deuxième stratégie. Nous avons obtenus un taux de précision de 87.2% par le model CNN de la première méthode
