CISSE Ibrahim

Ingénieur en Simulation Numérique - Data Analyst & IA

Spécialiste en modélisation et simulation numérique en mécanique des fluides/ structures et thermique – en Analyse de Données, je combine la rigueur de la physique avec la puissance de la Data Science pour transformer des résultats complexes en décisions stratégiques.

Analyse de données médicales par Machine Learning

Ce projet illustre l’application du Machine Learning à des données médicales réelles. L’objectif est de classifier des radiographies thoraciques (Chest X‑ray) en deux classes : NORMAL et PNEUMONIA. Le travail couvre la préparation des données, l’entraînement d’un modèle ResNet18, l’évaluation des performances et la mise en place d’une interface interactive pour tester les prédictions.

Données et méthode

Sources et préparation

  • Dataset : radiographies thoraciques publiques (Chest X‑ray Pneumonia).
  • Organisation : dossiers train, val, test avec classes NORMAL et PNEUMONIA.
  • Prétraitement : redimensionnement (224×224), normalisation, conversion en tenseurs.

Approche analytique

  • Modèle : réseau ResNet18 pré‑entraîné, adapté pour classification binaire.
  • Entraînement : optimiseur Adam, fonction de perte CrossEntropy.
  • Évaluation : accuracy sur validation et test, matrice de confusion.

Outils : Python (PyTorch, Torchvision), Dash pour l’interface interactive.

Résultats et visualisations

Le modèle atteint une bonne capacité de distinction entre les deux classes. L’interface permet de sélectionner une image et d’obtenir une prédiction instantanée avec les probabilités associées. Une matrice de confusion illustre la performance globale sur un échantillon.

Exemple de radiographie
Exemple de radiographie analysée.
Matrice de confusion
Matrice de confusion sur un échantillon test.

Utilité

Ce projet démontre un pipeline complet de Machine Learning appliqué à des données médicales : de la préparation des données brutes jusqu’à la mise en place d’une interface interactive. Il constitue une base reproductible pour des projets similaires, qu’ils soient orientés santé ou industrie, et illustre la valeur ajoutée des outils IA pour l’analyse et la prise de décision.