COVID 19: Cadre complet pour l'évaluation de la gravité à l'aide l'apprentissage profond et l'imagerie médicale

Le Coronavirus - 2019 (COVID-19) est une maladie virale causée par le syndrome respiratoire aigu sévère (SRAS) et fait partie du groupe des Corona viridae. Elle a été détectée pour la première fois à Wuhan, en Chine, en décembre 2019 et a été déclarée menace mondiale par l'Organisation mondiale de la santé en février 2020. Le diagnostic et le traitement sont cruciaux, et des techniques d'imagerie telles que la tomodensitométrie (CT) et les rayons X sont utilisées pour surveiller les effets du virus sur l'organisme. Des modèles d'apprentissage profond, tels que les réseaux neuronaux convolutifs (CNN), ont été étudiés pour la détection de COVID-19. Toutefois, ces modèles ne parviennent pas à distinguer les limites ambiguës et les bords incertains, ce qui nuit à l'efficacité de la segmentation. En outre, la classification erronée des différents niveaux de gravité est due à la similitude des caractéristiques des tissus sains et des tissus COVID-19. Cette recherche vise à relever ces défis et à fournir un nouveau modèle pour un diagnostic plus précis.