Overview

Le cancer de la peau reste l'un des cancers les plus répandus dans le monde, et sa détection précoce joue un rôle essentiel dans l'efficacité du traitement. Cependant, les méthodes de diagnostic traditionnelles dépendent fortement de l'expertise des dermatologues, ce qui peut rendre le processus lent et coûteux. Ce projet introduit une approche automatisée de la détection du cancer de la peau en utilisant une combinaison de techniques d'apprentissage profond et d'apprentissage automatique, visant à soutenir un diagnostic précoce et efficace. Pour améliorer la précision et la fiabilité, plusieurs étapes de prétraitement ont été appliquées, y compris l'augmentation de l'image, la normalisation et l'équilibrage des classes. Le modèle a été amélioré en utilisant l'apprentissage par transfert avec des poids ImageNet pré-entraînés, ce qui lui a permis d'obtenir de bons résultats même avec des données limitées.