Une approche d'apprentissage par ensemble pour la détection automatique des hémorragies cérébrales à partir des IRM

Omar Munthir Al Okashi , Ahmed J. Aljaaf

Lien de l'article , Télécharger le PDF

Résumé : L'hémorragie cérébrale est l'une des conditions qui peuvent affecter les personnes pour plusieurs raisons telles que l'hypertension artérielle, l'abus de drogues, l'anévrisme et le traumatisme. Les neurologues utilisent généralement l'imagerie par résonance magnétique (IRM) pour examiner les patients pour des hémorragies cérébrales. Dans cette étude, nous avons développé un modèle automatique intelligent pour identifier les IRM des patients avec hémorragie des IRM intactes en utilisant une approche d'apprentissage par ensemble. De plus, notre modèle proposé peut annoter la zone affectée du cerveau dans une vue axiale de l'IRM, ce qui aide les médecins en formation à améliorer leur raisonnement et leur prise de décision. Dans nos paramètres expérimentaux, nous avons appliqué une analyse de texture basée sur la segmentation pour préparer les IRM à la classification en utilisant un algorithme de boosting adaptatif. Notre méthode proposée a atteint une précision de classification de 89,2 %, avec une sensibilité de 100 % dans la détection de la zone affectée du cerveau.

Mots-clés : Hémorragie cérébrale, IRM, Apprentissage par ensemble

Références :

[1] J. A. Caceres et N. J. Goldstein, "Hémorragie intracrânienne," Emergency Medicine Clinics of North America, pp. 771-794, août 2012.

[2] Kakhandaki, N., Kulkarni, S. B., Ramesh, K., & Kulkarni, U. P.(2019). Classification des hémorragies cérébrales dans l'IRM utilisant l'approche Naïve Bayes-Probabilistic Kernel. Journal of Cases on Information Technology (JCIT), 21(3), 51-65.

[3] M. AL-AYYOUB, D. ALAWAD, K. AL-DARABSAH et I. ALJARRAH, "Détection et classification automatiques des hémorragies cérébrales," WSEAS transactions on computers, vol. 12, no. 10,

pp. 395-405, 2013.

[4] A.-C. Phan, V.-Q. Vo et T.-C. Phan, "Détection et classification automatiques des hémorragies cérébrales," dans Asian Conference on Intelligent Information and Database Systems. Springer, Cham, 2018.

[5] U. Balasooriya et S. M. Perera, "Diagnostic intelligent des hémorragies cérébrales utilisant des réseaux de neurones artificiels," dans In 2012 IEEE Business, Engineering & Industrial Applications Colloquium (BEIAC), 2012.

[6] Aljaaf, A. J., Al-Jumeily, D., Haglan, H. M., Alloghani, M., Baker, T., Hussain, A. J., & Mustafina, J. (2018, juillet). Prédiction précoce de la maladie rénale chronique utilisant l'apprentissage automatique soutenu par l'analyse prédictive. Dans 2018 IEEE Congress on Evolutionary Computation (CEC) (pp. 1-9). IEEE.

[7] Aljaaf, A. J., Al-Jumeily, D., Hussain, A. J., Dawson, T., Fergus, P., & Al-Jumaily, M. (2015, avril). Prédire la probabilité d'insuffisance cardiaque avec une évaluation des risques multi-niveaux utilisant un arbre de décision. Dans 2015 Third International Conference on Technological Advances in Electrical, Electronics and Computer Engineering (TAEECE) (pp. 101-106). IEEE.

[8] Keight R., Aljaaf A.J., Al-Jumeily D., Hussain A.J., Özge A., allucci C. (2017) Une approche des systèmes intelligents pour le diagnostic des céphalées primaires. Dans : Huang DS., Jo KH., Figueroa-García J. (eds) Intelligent Computing Theories and Application. ICIC 2017. Lecture Notes in Computer Science, vol 10362. Springer, Cham.

[9] Aljaaf, A. J., Al-Jumeily, D., Hussain, A. J., Fergus, P., Al-Jumaily, M., & Abdel-Aziz, K. (2015, juillet). Vers une utilisation optimale des

techniques d'intelligence artificielle au sein d'un système d'aide à la décision clinique. Dans 2015 Science and Information Conference (SAI) (pp. 548- 554). IEEE.

[10] A. F. Costa, G. Humpire-Mamani et A. M. J. Traina, "Un algorithme efficace pour l'analyse fractale des textures," dans 25th SIBGRAPI Conference on Graphics, Patterns and Images. IEEE, 2012.