🩺 Pneumonia Detection Project

This project uses Deep Learning (PyTorch) to detect pneumonia from chest X-ray images.

---

Dataset Download (IMPORTANT)

** Les données ne sont PAS incluses dans ce repository GitHub** (trop volumineuses ~2.5 GB)

Vous devez télécharger le dataset depuis Kaggle:

• Dataset: Chest X-Ray Images (Pneumonia)
• Instructions détaillées: data_setup/DATASET_DOWNLOAD.md

Options de téléchargement:

1. Manuel: Télécharger depuis Kaggle et extraire dans data/
2. Automatique: Utiliser Kaggle API: python data_setup/download_data.py

---

📁 Structure du Projet

Pneumonia-Detection/
├── data/                      # ⚠️ À télécharger séparément (voir ci-dessus)
│   ├── train/                 # 5,216 images d'entraînement
│   ├── val/                   # 16 images de validation
│   └── test/                  # 624 images de test
├── src/                       # Code source
│   ├── model.py               # Architecture des modèles (CNN, ResNet)
│   ├── dataset.py             # Chargement des données
│   ├── train.py               # Pipeline d'entraînement
│   ├── evaluate.py            # Évaluation et métriques
│   └── utils.py               # Utilitaires
├── notebooks/                 # Jupyter notebooks
│   ├── 1_data_preprocessing.ipynb
│   ├── 2_model_building.ipynb
│   ├── 3_training.ipynb
│   └── 4_evaluation_metrics.ipynb
├── outputs/                   # Résultats d'entraînement
│   ├── models/                # Modèles sauvegardés (.pth)
│   └── logs/                  
├── data_setup/                # Scripts de téléchargement
│   ├── DATASET_DOWNLOAD.md    #  Instructions détaillées
│   └── download_data.py       # Script automatique
├── docs/                      # Documentation
├── train_model.py             # Script principal d'entraînement
├── requirements.txt           # Dépendances Python
└── README.md                  # Ce fichier

---

Quick Start

1. Installation

# Cloner le repository
git clone https://github.com/androbiert/Pneumonia-Detection.git
cd Pneumonia-Detection

# Installer les dépendances
pip install -r requirements.txt

2. Télécharger le Dataset

Suivez les instructions dans data_setup/DATASET_DOWNLOAD.md

3. Entraîner le Modèle

python train_model.py

Le modèle sera sauvegardé dans outputs/models/best_model.pth

---

Modèles Disponibles

1. PneumoniaCNN (Custom)

• Architecture CNN à 4 couches
• ~776K paramètres
• Bon pour datasets de petite taille

2. PneumoniaResNet (Transfer Learning)

• Basé sur ResNet18 pré-entraîné
• ~11M paramètres (backbone gelé)
• Recommandé pour le dataset complet

Changer de modèle dans train_model.py:

MODEL_TYPE = "CNN"      # ou "ResNet"

---

Configuration

Modifiez train_model.py pour ajuster:

• BATCH_SIZE: Taille du batch (défaut: 16)
• EPOCHS: Nombre d'époques (défaut: 20)
• LEARNING_RATE: Taux d'apprentissage (défaut: 0.001)
• PATIENCE: Early stopping (défaut: 5)

---

Améliorations Récentes

✅ Fix deprecation warning (ResNet18_Weights)
✅ Gestion robuste des chemins (Path)
✅ Normalisation des images
✅ Data augmentation
✅ Early stopping
✅ Logs UTF-8

---

📄 License

Ce projet utilise le dataset sous licence CC BY 4.0.

---

👨‍💻 Auteur

OUADDANE MOHAMED