Ce projet vise à développer des modèles de machine learning pour la classification des tumeurs cérébrales à partir d'images par résonance magnétique (IRM). Le code Python fourni couvre plusieurs aspects du projet, de la collecte des données à l'évaluation des modèles.
- Assurez-vous d'avoir Python 3.11.X installé sur votre ordinateur.
- Installez les dépendances en utilisant
pip install -r requirements.txt
package :
- tensorflow
- opencv-python
- matplotlib
- pandas
- Pillow
- Pillow
- numpy
- requests
- tensorflow-addons
Projet_ML\ # Dossier principal du projet
code\ # 3mplacement des scripts python
data_aug\ # Données augmentées
IRM\
oui\
non\
test\
oui\
non\
test\ # Données de test
oui_test\
non_test\
test_final\
img0.png\
img1.png\
img2.png\
img3.png\
img4.png\
img5.png\
-
Data Augmentation et Collecte de Données
- Les images IRM sont collectées sur kaggle voici le lien : - -https://www.kaggle.com/datasets/ahmedhamada0/brain-tumor-detection/code.
- Les données sont augmentées pour renforcer la capacité du modèle.
-
Random Forest Classifier
- Un modèle Random Forest est entraîné et évalué pour la classification des tumeurs cérébrales.
-
Modèle CNN (Convolutional Neural Network)
- Un modèle CNN est construit et entraîné pour la classification des tumeurs cérébrales.
-
Modèle VGG16
- Un modèle pré-entraîné VGG16 est utilisé pour la classification des tumeurs cérébrales.
-
Évaluation des Modèles
- L'évaluation des modèles est effectuée avec des métriques telles que l'exactitude, la matrice de confusion et le rapport de classification.
-
Visualisation des Résultats
- Des graphiques sont générés pour visualiser l'entraînement et la validation des modèles.
Collecte et Augmentation des Données
- Assurez-vous d'avoir les données images IRM dans le répertoire
IRM,test.
A partir du dossier code, ouvrez une console **Cmder ou terminal ** et exectuer le code data_augmentation_projet.pyen utilisant la commend suivant :
pyhton data_augmentation_projet.pyle script prend les images du dossier IRM et test, les augmente, et les sauvegarde dans le dossier data_aug
Entraînement et évaluation des modèles
pour ce faire, il suffit de lancer le script projet_final.py avec la command suivant
pyhton projet_final.pyIl commence par charger et prétraiter un ensemble d'images, puis divise les données en ensembles d'entraînement et de validation. Ensuite, il entraîne un modèle Random Forest pour la classification. Le code construit également un modèle VGG16 pré-entraîné et un modèle CNN, les entraîne, évalue leurs performances sur des données de test, et sauvegarde les modèles. Enfin, il effectue des prédictions sur de nouvelles images et affiche les résultats, tout en fournissant des visualisations telles que des matrices de confusion et des graphiques de précision.
- Les modèles entraînés sont sauvegardés pour une utilisation ultérieure.
- VVoici le lien vers ces modèles https://we.tl/t-Tx33Ds50PC
- Attention!!!, c'est un lien WeTransfer valable seulement une semaine
BERKANI Yacine