Ce projet présente deux implémentations de la détection du cancer du sein à l'aide de réseaux de neurones convolutifs (CNN). La première version utilise TensorFlow et Keras, et la deuxième utilise PyTorch.
La détection du cancer du sein est un problème de classification binaire (Cancer vs Non-Cancer) souvent étudié en Machine Learning et Deep Learning. Ce projet utilise un réseau de neurones convolutifs pour classer les images médicales en fonction de la présence de cancer. Les deux versions du modèle sont créées à l'aide de TensorFlow/Keras et PyTorch, ce qui permet de comparer les performances des deux frameworks.
- Développer et comparer des modèles de classification d'images avec TensorFlow et Keras d'une part, et PyTorch de l'autre.
- Appliquer les techniques de Deep Learning pour résoudre un problème médical réel.
- Tester les performances des deux frameworks sur un même problème pour en tirer des conclusions sur leur efficacité et facilité d'utilisation.
- Python: Langage principal utilisé pour l'implémentation.
- TensorFlow et Keras: Frameworks pour la création du modèle CNN dans la première version.
- PyTorch: Framework pour la création du modèle CNN dans la deuxième version.
- OpenCV: Pour le traitement d'images.
- Matplotlib: Pour la visualisation des résultats (graphes de précision et de perte).
- Jupyter Notebooks / Google Colab: Pour le développement interactif du modèle.
Les performances du modèle sont mesurées sur la base de la précision et de la perte. Les deux versions du modèle (TensorFlow/Keras et PyTorch) sont comparées, et les résultats sont visualisés à l’aide de graphiques.
-
TensorFlow/Keras :
- Précision d'entraînement : 90%
- Précision de validation : 87%
-
PyTorch :
- Précision d'entraînement : 88%
- Précision de validation : 85%
Si vous avez des questions ou souhaitez en savoir plus, n'hésitez pas à me contacter sur mon LinkedIn ou via GitHub.