E TUDE COMPARATIVE DES M´ETHODES D’APPRENTISSAGE AUTOMATIQUE UTILIS´EES POUR LA D´ETECTION ET LA CLASSIFICATION DES CANCER DE LA PEAU

Abstract

cancer is one of the most common cancers in the world, and it can be fatal if not treated early, that is why its early diagnosis is considered to be the best treatment for it. And under the light of recent advancements in computational power and in the artificial intelligence field (especially its 2 subdomains machine learning and deep learning) C.A.D (computer aided diagnosis) is considered to be one of the best ways for early skin cancer diagnosis. That is why in this article we are going to do a comparative study of recent methods and algorithms applied in skin cancer analysis, detection and classification our comparison is going to be based on different types of datasets used for training, different algorithms applied, and famous performance metrics calculated by researchers such as accuracy, specificity, AUC (area under curve) ...etc. In the hopes of better understanding the problem at hand and its applied solutions, and understanding some new explored ideas and challenges faced by researchers and contributors and finally this article will help new researchers to understand what is ahead of them and get a general view on the various applied methods before engaging and contributing to this field.***

Le cancer de la peau est l’un des cancers les plus r´epandus dans le monde et il peut ˆetre mortel s’il n’est pas trait´e tˆot, c’est pourquoi son diagnostic pr´ecoce est consid´er´e comme le meilleur traitement. et `a la lumi`ere des avanc´ees r´ecentes en mati`ere de puissance de calcul et dans le domaine de l’intelligence artificielle (en particulier ses 2 sous-domaines d’apprentissage automatique et d’apprentissage profond), la C.A.D (diagnostic assist´e par ordinateur) est consid´er´ee comme l’un des meilleurs moyens de diagnostic pr´ecoce du cancer de la peau. c’est pourquoi, dans cet article, nous allons faire une ´etude comparative des m´ethodes et algorithmes r´ecents appliqu´es `a l’analyse, `a la d´etection et `a la classification du cancer de la peau. Notre comparaison va ˆetre bas´ee sur diff´erents types d’ensembles de donn´ees utilis´es pour l’entraˆınement, diff´erents algorithmes appliqu´es et c´el`ebres indicateurs de performance calcul´ees par les chercheurs telles que la pr´ecision, la sp´ecificit´e, l’AUC (aire sous la courbe) ... etc dans l’espoir de mieux comprendre le probl`eme `a r´esoudre et ses solutions appliqu´ees, et de comprendre certaines nouvelles id´ees explor´ees et les d´efis auxquels sont confront´es les chercheurs et les contributeurs et enfin cet article aidera les nouveaux chercheurs `a comprendre ce qui les attend avant de s’engager et de contribuer `a ce domaine.