Détection de la COVID-19 par l’apprentissage profond et des images radiographiques des poumons

Agrandir l'image

Le Groupe de recherche en perception, robotique et intelligence machine (PRIME) de l’Université de Moncton, sous la supervision du professeur Moulay Akhloufi, a développé et déployé un modèle d’apprentissage par réseaux de neurones profonds pour la détection de la COVID-19 en ligne à partir d’images radiographiques des poumons.

Sur les rayons X, la COVID-19 ressemble à une pneumonie. L’objectif de l’équipe de M. Akhloufi consistait donc à la détecter sans se tromper avec d’autres types de maladies. Pour éviter la confusion et les erreurs, le modèle du PRIME a été bâti à partir de radiographies de personnes ayant contracté la COVID-19, de personnes saines et de personnes ayant d’autres maladies qui ont des signes similaires, comme le SRAS (syndrome respiratoire aigu sévère).

« Sur le terrain présentement, la détection de la COVID-19 se fait par des tests RT-PCR (réaction en chaîne par polymérase en transcription inverse) qui sont envoyés à des laboratoires spécialisés et ça prend du temps avant d’avoir les résultats, avance M. Akhloufi. Les images par CT scan ont aussi été utilisées, mais les scanneurs sont peu disponibles. Les rayons X sont utilisés surtout dans les pays les plus affectés, comme l’Espagne, par exemple. Les radiographies représentent donc un outil intéressant et largement disponible pour aider au diagnostic de la maladie. »

Le modèle de l’équipe de M. Akhloufi atteint une performance de 98 % (AUC) et a une sensibilité de 96 % (la proportion des vrais positifs correctement identifiés comme tels).