Cet article présente un modèle de classification automatique des maladies cutanées basé sur l'apprentissage profond, basé sur un ensemble de données de plus de 50 maladies cutanées diverses, capturées à l'aide d'appareils mobiles. Contrairement aux études précédentes, qui se concentraient principalement sur des ensembles de données d'images microscopiques et un nombre limité de types de maladies, cette étude utilise un ensemble de données diversifié de maladies cutanées reflétant les conditions réelles pour une approche plus réaliste. Après avoir évalué plusieurs architectures basées sur CNN et Transformer, nous avons confirmé que les modèles Transformer, tels que Swin Transformer, capturent efficacement les informations contextuelles globales et affichent des performances supérieures. De plus, nous utilisons Grad-CAM pour améliorer l'interprétabilité des prédictions du modèle et garantir sa transparence en visualisant les régions cliniquement importantes. Cela ouvre la voie à un dépistage et un diagnostic précoce des maladies cutanées basés sur l'IA, accessibles même dans les contextes à faibles ressources.
