Autoencodeurs variationnels pour l'élimination des poils dans les images dermoscopiques
No Thumbnail Available
Date
2022
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Le mélanome est un type très dangereux du cancer de la peau qui tue beaucoup de personnes
chaque année. Le diagnostic précoce augmente le taux de survie de ce cancer. Donc, récemment
plusieurs techniques automatiques qui basent sur le machine learning ont été apparait. Mais,
comme les images dermoscopiques utilisées dans l’apprentissage sont couvert es par des poils,
le diagnostic ne peut pas être considéré fiable. Pour cela, dans ce travail, nous proposons un
modèle qui utilise le deep learning pour l’élimination automatique des poils dans les images
dermoscopiques.
Nous allons construire un autoencodeur variationnel qui considère les poils comme un bruit
durant la production du latent space. Le modèle proposé se compose d’un encodeur, du latent
space et d’un décodeur. L’encodeur passe l’image encodé vers le latent space puis vers le
décodeur qui fait la générat ion d’une image presque ident ique à celle donnée comme entrée,
mais sans poils. Les expériences menées montrent la fiabilité de notre méthode.