Enhancing Medical Snakebite Management in Morocco: Development and Evaluation of a Deep Learning-Based Identification System

Résumé

L’identification automatisée des images de serpents revêt une importance cruciale, notamment dans le contexte de la gestion des morsures de serpent. La capacité à identifier automatiquement les espèces de serpents pourrait contribuer à éviter les serpents venimeux, permettant ainsi une administration de traitement plus efficace aux patients. Cette étude se focalise sur le développement d’une approche novatrice basée sur l’intelligence artificielle (IA), en particulier le deep learning, pour l’identification automatisée des serpents du Maroc à partir de photographies. Nous avons comparé plusieurs architectures de modèles, notamment VGG-19 avec une précision de 80,89 % et un F1-Score de 87,36 %, VGG-16 avec une précision de 84,29 % et un F1-Score de 89,60 %, et EfficientNet B0, surpassant les autres, avec une précision de 92,23 % et un F1-Score de 93,67 %. Ce dernier modèle a été entraîné initialement sur le dataset SnakeCLEF 2021 et finement ajusté avec nos données spécifiques de serpents marocains, atteignant une validation de 94 %. Nous avons déployé ce modèle sur une plateforme web interactive, permettant aux utilisateurs de télécharger des images de serpents pour obtenir une identification instantanée et précise de l’espèce.

Mots-clés : Identification automatique des serpents, Intelligence artificielle (IA), Deep learning, Transfer learning, CNN, EfficientNet B0.