Détection de cancer via Deep Learning

Contexte et problématique

Le pôle R&D en biostats d’un laboratoire pharmaceutique de renommée mondiale, constate l’inefficacité des méthodes existantes de classification de cancer. Le métier a besoin également de pouvoir interpréter les résultats obtenus.

Objectifs

Prouver la plus value du deep learning dans la classification d’images médicales même sur de petits échantillons (<2000 images). Fournir un modèle interprétable : le métier doit être capable de comprendre le choix du modèle. Classifier ces images selon 4 catégories de cancer : Poumon, Sein, Prostate et Côlon.

Notre intervention

1 Data Scientist et 1 Data Engineer en mode SCRUM

  • Création et nettoyage du jeu de données
  • Préparation de la donnée (normalisation, data augmentation à la volée, etc…)
  • Modélisation à l’aide d’un Réseau de Neurones Convolutif (CNN) et plus précisément un modèle ResNet avec du transfer learning et du progressive resizing
  • Interopérabilité du modèle (matrice de confusion, accuracy, precision, recall, heatmap, etc…)

Résultats

  • Mise en évidence de caractéristiques cliniques essentielles pour la détection de cancer
  • PoC présenté et validé par la direction et les pathologistes
  • 87% d’Accuracy et 85% de F-measure sur le test set.
  • Environnement technique

    Python, Jupyter Lab, Pytorch, FastAI, Plotly
    Azure
    Api Rest
    Networkx
    Dash
    Scrum

    Nous construisons avec nos clients des solutions qui changent et facilitent leur quotidien.

    Aide à la création de médicaments

    Plateforme d'analyse de besoins clients

    Conception et industrialisation du SI analytics

    Prédiction de retards

    Analyse de visage pour recommandation produits

    Application d'optimisation de la Supply Chain

    Scoring et analyse
    de la peau

    Analyse de Forums

    Personnalisation de contenu

    Analyse des activités de support IT

    Détection de tendances sur les réseaux sociaux

    Détection
    de beaconing

    Outil de classification de documents

    Détection de cancer via Deep Learning

    Conception de plateforme de veille stratégique

    Rendements
    des champs agricoles

    Conception du Data Hub et implémentation

    Analyse et prévention des problèmes Skype

    Assistant d'aide à la recherche

    Classification de pages Web