|
 
|
Thi-Lam-Thuy Le
|
Doctorant(e) Equipe MSDMA Mail : lamthuy.lt  gmail.com
Directeur de thèse : Nicolas Thome |
Sujet: Analyse automatique et synthèse d'image pour l'optimisation des performances cliniques de la mammographie 3D
L'introduction des systèmes de mammographie 3D amène le radiologue à analyser une information volumique nouvelle et riche par rapport aux mammograhpies 2D standard. Cependant, cette technologie présente quelques inconvénients par rapport à la mammographie conventionnelle: une quantité de données à analyser bien plus élevées conduisant à un temps de lecture accru, une analyse du sein en coupes inhabituelles pour les radiologues, et une représentation des lésions qui reste un challenge.
Le Deep Learning a récemment connu des succès opérationnels historiques pour la reconnaissance visuelle, notamment avec les performances spectaculaires obtenues par les réseaux de neurones convolutifs (CNN) sur le challenge ImageNet 2012. Les réseaux pré-entraînés sur ImageNet constituent de plus des descripteurs état de l'art pour la plupart des tâches de reconnaissance visuelle, et ont récemment été appliqués dans le contexte de l'analyse d'images médicales.
L'objectif applicatif de ma thèse consiste à l'application du Deep Learning pour analyser automatiquement le contenu des volumes et d'y rechercher des signes de lésions potentielles. Une fois cette étape faite, nous serons dans la possibilité de générer une image synthétique de qualité meilleure ou égale que l'imagerie conventionnelle 2D, permettant d'assurer une transition totale vers un protocole purement 3D.
Thèse CIFRE en collaboration avec General Electric (GE, Buc)
