Diagnostiquer par IA les pneumonies et leur degrés de viralité

Étude de cas

Le challenge

Détecter les signes de pneumonie et leur degrès de viralité malgrés un jeu de données comportant peu de radiographies

• Détecter les pneumonies de patients selon leur degrès de viralité sur les radiographies.
• Entraîner un modèle rapidement rapidement à moindre coût. Réutiliser les connaissances pré-existantes d'un modèle de vision et l'adapter à la détection de pneumonies.
• Avoir un modèle faible latence. Doit pouvoir fonctionner sur un mobile.
• Avoir un modèle suffisament précis malgrés avec un jeu de données peu étoffé

Résultats et évaluation

• ⌛ Entraînement en seulement 2 minutes et avec un hardware peu conséquent, seulement mon Mac Book Pro M1. Et juste en 1 seule passe sur le jeu de données!
• 🧠 Méthode de fine-tuning rapide d'un modèlé peu gourmand en ressources, le par Transfer Learning. Réseau de neurones dense utile sur les petits jeux de données. Tuning de la dernière couche du modèle, uniquement le classifieur pour un entraînement apportant un maximum de résultats rapidement.
• 🎯 Au final facilement et sans optimisation du modèle, précision pour la classe 'Pneumonie bactérienne' : 89%
• 🎯 Précision pour la classe 'Normal' : 75%
• 🎯 Précision pour la classe 'Pneumonie virale' : 83%
• 

  Montoring dans Langsmith

Ce POC démontre la puissance de la méthode mais mériterait un modèle plus puissant pour viser une précision plus élevée.