Développement des méthodes d'intelligence artificielle pour le diagnostic automatisé des maladies et cancers de la peau

Mounmie, Zakariaou (2026). Développement des méthodes d'intelligence artificielle pour le diagnostic automatisé des maladies et cancers de la peau. Mémoire. [Rimouski], Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 156 p.

PDF Télécharger (15MB) | Prévisualisation

Résumé

RÉSUMÉ : Ces dernières années, l'incidence du cancer de la peau connaît une augmentation préoccupante, représentant un enjeu majeur de santé publique. Les principaux facteurs de risque identifiés incluent l'exposition excessive aux rayons ultraviolets et le recours croissant aux séances de bronzage artificiel. Des prédispositions génétiques ainsi que certaines pathologies immunosuppressives, telles que le VIH/SIDA, constituent également des facteurs de risque significatifs. Le pronostic de cette pathologie reste étroitement lié à la précocité du diagnostic, un dépistage précoce permettant dans de nombreux cas, un traitement efficace. Le développement récent de systèmes de détection assistés par l'intelligence artificielle a ouvert des perspectives prometteuses dans le domaine du diagnostic dermatologique. Si la majorité des approches existantes se concentre sur la classification binaire (lésion maligne vs bénigne), peu d'entre elles abordent la reconnaissance spécifique des différents types de lésions cutanées. Cette limitation souligne la nécessité de développer des modèles capables d'assurer à la fois une haute performance diagnostique et une identification fine des variétés lésionnelles, adaptée à tous les phototypes cutanés. Dans ce mémoire, nous proposons une méthodologie articulée en deux phases complémentaires. La première phase consiste en un système de segmentation des images dermoscopiques fondé sur des réseaux de neurones profonds, permettant la détection et l'extraction précise des régions d'intérêt. Cette étape préliminaire vise à optimiser la préparation des données pour la tâche de classification. La seconde phase introduit un système hiérarchique innovant qui optimise les performances par une combinaison des caractéristiques extraites, mais aussi par la fusion stratégique de plusieurs classificateurs, permettant une reconnaissance multiclasses des lésions cutanées. L'évaluation rigoureuse de ces systèmes est conduite sur plusieurs bases de données publiques, facilitant la comparaison avec l'état de l'art et garantissant la reproductibilité des résultats. Cette approche intégrée vise à surmonter les limitations des méthodes conventionnelles en combinant segmentation précise et classification avancée. En conclusion, ce travail de recherche ambitionne de contribuer à l'amélioration du diagnostic dermatologique par la proposition d'une solution optimisée et fiable, associant une segmentation robuste des lésions à une reconnaissance fine de leur typologie, avec pour objectif ultime d'augmenter la précision diagnostique et d'améliorer la prise en charge des patients. -- Mot(s) clé(s) en français : Rayons ultraviolets (UV), Prédispositions génétiques, Pathologies immunosuppressives (VIH/SIDA), Intelligence artificielle (IA), Détection assistée, Classification binaire, Reconnaissance multiclasses, Segmentation d'images, Réseaux de neurones profonds (CNN), Système hiérarchique, Diagnostic dermatologique. --
ABSTRACT : In recent years, the incidence of skin cancer has shown a concerning increase, representing a major public health challenge. The main identified risk factors include excessive exposure to ultraviolet rays and the growing use of artificial tanning sessions. Genetic predispositions as well as certain immunosuppressive pathologies, such as HIV/AIDS, also constitute significant risk factors. The prognosis of this pathology remains closely linked to early diagnosis, with early detection enabling effective treatment in many cases. The recent development of artificial intelligence-assisted detection systems has opened promising perspectives in the field of dermatological diagnosis. While the majority of existing approaches focus on binary classification (malignant vs. benign lesions), few address the specific recognition of different types of skin lesions. This limitation highlights the need to develop models capable of ensuring both high diagnostic performance and fine identification of lesion varieties, adapted to all skin phototypes. In this thesis, we propose a methodology structured in two complementary phases. The first phase consists of a dermoscopic image segmentation system based on deep neural networks, enabling the detection and precise extraction of regions of interest. This preliminary step aims to optimize data preparation for the classification task. The second phase introduces an innovative hierarchical system that optimizes performance through a combination of extracted features, as well as the strategic fusion of multiple classifiers, enabling multiclass recognition of skin lesions. The rigorous evaluation of these systems is conducted on several public databases, facilitating comparison with the state of the art and ensuring the reproducibility of results. This integrated approach aims to overcome the limitations of conventional methods by combining precise segmentation and advanced classification. In conclusion, this research work aims to contribute to the improvement of dermatological diagnosis by proposing an optimized and reliable solution, combining robust lesion segmentation with fine recognition of their typology, with the ultimate goal of increasing diagnostic accuracy and improving patient care. -- Mot(s) clé(s) en anglais : Ultraviolet rays (UV), Genetic predispositions, Immunosuppressive pathologies (HIV/AIDS), Artificial intelligence (AI), Assisted detection, Binary classification, Multiclass recognition, Image segmentation, Deep neural networks (CNN), Hierarchical system, Dermatological diagnosis.

Type de document :	Thèse ou mémoire de l'UQAR (Mémoire)
Directeur(trice) de mémoire/thèse :	Yaddaden, Yacine
Co-directeur(s) ou co-directrice(s) de mémoire/thèse :	Bouzouane, Abdenour
Information complémentaire :	Mémoire présenté dans le cadre du programme de maîtrise en informatique - volet recherche (3017) en vue de l'obtention du grade de Maître ès sciences (M. Sc.). Département de mathématique, d'informatique et génie.
Mots-clés :	Peau - Maladies - Diagnostic; Peau - Cancer - Diagnostic; Intelligence artificielle - Applications en médecine.
Départements et unités départementales :	Département de mathématiques, informatique et génie > Informatique
Date de dépôt :	17 sept. 2026 14:49
Dernière modification :	17 sept. 2026 14:49
URI :	https://semaphore.uqar.ca/id/eprint/3626