Vision médicale / Classification
PneumoScan AI.
Classification de radiographies thoraciques avec MobileNetV2. Une expérimentation aux limites explicitement documentées.
Problème
Étudier la classification de radiographies thoraciques pour la pneumonie.
Contexte
Expérimentation de deep learning médical, sans usage diagnostique ni validation clinique.
Objectif
Entraîner MobileNetV2 et comparer les résultats d’entraînement et de validation.
Dataset / Données
Dataset Kaggle Chest X-Ray Pneumonia. 5 216 échantillons d’entraînement et seulement 16 en validation dans cette expérience.
Architecture
Radiographie → MobileNetV2 → classification. Le framework exact reste à confirmer.
Méthodologie
Entraînement sur 8 époques. Le maximum de validation observé à l’époque 5 n’établit pas la généralisation sur 16 images.
Ma contribution
Projet déclaré dans le parcours du candidat. Le périmètre individuel et la répartition du travail restent à confirmer.
Difficultés
Écart entraînement / validation et incertitude liée à un très petit sous-ensemble.
Limites
Validation limitée à 16 images. Le pic observé de 100 % à l’époque 5 ne prouve pas une généralisation réelle. Un test indépendant plus large est nécessaire.
Enseignements
Interpréter une métrique avec la taille et les limites du jeu d’évaluation.
Résultats du projet
Accuracy de validation, époque 8
Sous-ensemble de validation de seulement 16 images.
Accuracy d’entraînement
5 216 échantillons d’entraînement ; 8 époques.
Images de validation
Taille insuffisante pour démontrer une généralisation fiable.