Deep Learning-Based Web Application for the Detection of COVID-19 from Chest CT-Scan Images

Abstract

La maladie à coronavirus 2019 causée par le coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2) apparu pour la première fois en Chine s’est propagée à plus de 200 pays, et plus de 1 700 000 cas confirmés et 111 600 décès ont été enregistrés, avec une augmentation mondiale massive du nombre des cas chaque jour. L’infection pulmonaire ou pneumonie est la complication commune du COVID-19 alors que les techniques d’imagerie, en particulier la tomographie assistée par ordinateur (CT), ont joué un rôle important dans le diagnostic et l’évaluation du traitement de la maladie. Les modèles d’apprentissage profond sont largement utilisés dans l’analyse automatique des images radiologiques, ce qui ouvre la voie à l’utilisation de techniques de classification pour aider à la détection précoce de l’infection. L’objectif de ce travail est de répondre à ce problème en construisant une application web qui catégorise les images de covid-19 et de non covid-19. La première partie du travail consiste à préparer les données en utilisant le prétraitement des images et l’augmentation des données. L’évaluation des données est ensuite passée par deux modèles d’entraînement : VGG16 et ResNet. A la fin, les techniques de visualisation Grad-Cam ont été utilisées pour mettre en évidence les régions infectées dans l’image. La deuxième partie est la présentation de l’application web qui est un sys- tème d’aide à la décision qui consiste à télécharger une image CT-scan et à attendre qu’elle soit classée quelques secondes plus tard. Le VGG16 a montré une grande précision permettant à l’application de donner une meilleure décision lors de la classification des cas infectés tout en ajoutant la visualisation qui explique la prédiction du modèle