Ce projet a pour but de proposer un système de détection efficace, précoce et automatique du cancer de la peau grâce aux outils d’intelligence artificielle.

Ce projet fait partie d’un projet de mémoire plus large donc le but est de proposer des systèmes basés sur l’IA pour la segmentation des lésions cutanées en utilisant le modèle U-net qui est le modèle par excellence pour la segmentation sémantique et, ensuite, utiliser les prédictions obtenues pour proposer un système de classification ou encore de reconnaissance des types de grains de beauté, et en fin de le déployer dans une application Web pour le diagnostic des lésions.

Système de classification proposé :

1. Pré-traitements

• Collection des jeux de données
• Suppression des bruits
• Augmentation et équilibre des données
• Redimensionnement
• Segmentation sémantique avec U-NET

2. Extraction des caractéristiques

• Apprentissages automatiques (ML) : HOG (Histogramme des gradient orientés) et le LBP (Motifs Binaire Locaux)
• Apprentissage profonds (DL) : ResNet50, MobileNet, VGG16 et VGG19

3.  Reduction des dimensionnalités

• Analyse en composante principale (PCA) a été utilisée pour la réduction des dimensionnalités

4. Les algorithmes de classification utilisés

• Support Vector Classifier (SVC)
• Extra Tree Classifier
• Decision Tree Classifier
• Bernoulli Naive Bayes
• Discriminant Linear Analysis
• Light Gradient Boosting Machine
• Linear Regression
• Stochastisc Gradient Descent

5. Stratégie de validation et évaluation du modèle

• 4 jeux de données sont utilisés pour l’évaluation du modèle
• 80% de données pour l’entrainement et 20% pour le test
• les métriques utilisées pour l’évaluation sont : l’exactitude, la précision, le F1-Score et le Rappel.

6. Développement de l’application Web

• Conception en architecture 3 couches (React + Django +
  PostgreSQL)
• Authentification sécurisée via JWT
• Intégration du modèle de prédiction via API Django