Séance Séminaire

Soutenances de thèses

Artificial intelligence methods for object recognition: Applications in biomedical imaging

Cette thèse porte sur l’utilisation de méthodes automatiques basées sur l’intelligence artificielle dans différents contextes d’imagerie biomédicale. L’objectif principal est d’explorer dans quelle mesure des modèles d’apprentissage profond, ou Deep Learning (DL), peuvent s’implanter dans la résolution de problématiques cliniques concrètes. En particulier, nous mettons l’accent sur les modèles nommés Convolutional Neural Net-works (CNNs) dont l’architecture est spécialement adaptée à la détection et à la segmen- tation d’objets sur des données visuelles telles que les images ou les vidéos.
Dans une première partie, nous abordons ainsi la nécessité de développer des systèmes d’aides au diagnostique dans le cadre d’examen tomodensitométrique (également appelé CT-scan) pour la détection de tumeurs pulmonaires. Nous étudions ainsi les performances de l’état de l’art des modèles de détection d’objet dans un contexte en trois dimensions sur un jeu de données de plus de 1000 patients disponibles publiquement. Les résultats obtenus sur cette première étude nous ont ensuite permis de construire un outil complet d’aide au diagnostique, capable de distinguer les patients sains de ceux disposant de tumeurs. Cet outil comprends trois procédures majeures (segmentation des poumons, détections des nodules, et classification du patient) qui a permis de remporté l’édition 2019 du Data Challenge organisé par la Société Française de Radiologie (SFR).