Détection du cancer du sein grâce à l'IA

Ce projet a été développé pendant mes études de master à L'ITM (Instituto Tecnológico Metropolitano) de Medellin et était officiellement intitulé “Computer-Assisted Abbreviated Magnetic Resonance Imaging Protocol for Detection and Categorization of Suspicious Breast Cancer Lesions" .

Le projet visait à révolutionner le diagnostic du cancer du sein grâce au développement d'un protocole d'imagerie par résonance magnétique (MRI) abrégé et assisté par ordinateur. Cette approche innovante utilise des techniques avancées d'apprentissage automatique, en particulier les Support Vector Machines (SVM) et Multiple Kernel Learning (MKL), pour améliorer la détection et la catégorisation des lésions mammaires suspectes.

Le diagnostic traditionnel du cancer du sein implique souvent des protocoles MRI longs et gourmands en ressources, ce qui entraîne des retards dans la mise en place du traitement et augmente l'anxiété des patientes et les dépenses. Le protocole abrégé proposé rationalise le processus d'imagerie sans compromettre la précision du diagnostic. En exploitant le SVM, un puissant algorithme d'apprentissage supervisé, nous avons pu classifier efficacement les images MRI et identifier les régions d'intérêt indicatives de lésions cancéreuses potentielles.

En outre, nous avons utilisé MKL pour intégrer diverses sources de données, telles que les caractéristiques anatomiques, fonctionnelles et texturales extraites des images MRI. Cette approche multimodale améliore la robustesse et la fiabilité de notre modèle de diagnostic, permettant une identification et une caractérisation plus précises des lésions mammaires.

Grâce à l'intégration du SVM et du MKL, notre protocole assisté par ordinateur offre plusieurs avantages par rapport aux méthodes traditionnelles. Il réduit considérablement le temps nécessaire à l'acquisition et à l'interprétation des images, ce qui permet d'accélérer le diagnostic et la planification du traitement. En outre, grâce aux algorithmes d'apprentissage automatique, notre système peut s'adapter et s'améliorer au fil du temps, ce qui renforce encore ses capacités de diagnostic.