Prédiction de l’autisme à partir de données médicales en utilisant l’apprentissage profond

Abstract

Cette ´etude vise `a explorer le potentiel de l’utilisation des techniques d’IA, en par ticulier l’apprentissage profond, pour diagnostiquer les troubles du spectre autistique (TSA) sur la base d’images faciales. L’autisme est un trouble neurologique complexe difficile `a diagnostiquer avec pr´ecision, ce qui fait des outils d’IA une solution promet teuse pour acc´el´erer et am´eliorer le processus de diagnostic. Dans ce travail, des r´eseaux de neurones convolutifs (CNN) sont adopt´es pour extraire des caract´eristiques visuelles distinctives des images de visage, en utilisant plusieurs mod`eles bien connus tels que ”ResNet50V2”, ”InceptionV3”,”DenseNet121” et ”VGG16”. Apr`es le pr´etraitement des donn´ees, ces mod`eles ont ´et´e form´es et leurs performances ´evalu´ees `a l’aide de me sures pr´ecises telles que la pr´ecision de la classification, la matrice de confusion et les courbes ROC. Les r´esultats ont montr´e que le mod`ele propos´e ´etait capable de distin guer les enfants autistes et non autistes avec un degr´e ´elev´e de pr´ecision, am´eliorant ainsi le potentiel d’utilisation de ces techniques comme outil de soutien dans le domaine m´edical, en particulier dans les premi`eres ´etapes de d´etection