Description
Date depot: 15 avril 2019
Titre: Intelligence artificielle en imagerie médicale : Vers une compression avec perte à qualité diagnostique et une détection automatique de zones pathologiques
Directeur de thèse:
Khalil HACHICHA (LIP6)
Domaine scientifique: Sciences pour l'ingénieur
Thématique CNRS : Non defini
Resumé:
Contexte :
Le recours à l’imagerie médicale est devenu un élément essentiel pour le soin d’un patient, que ce soit durant la phase de diagnostic ou dans la mise en place de protocoles de traitement et de suivi. Au cours des 30 dernières années, les avancées scientifiques et technologiques ont permis de mettre en place de nouvelles modalités d’imagerie médicale telles que la tomodensitométrie (CT), l’imagerie par résonance magnétique (IRM), l’angiographie et la tomographie par émission de positons (PET).
Chaque jour des millions d’images médicales sont générées et l'évolution du secteur d'imagerie médicale se bute à deux problèmes
1. La quantité d’images numériques est en croissance exponentielle et leur usage pose des problèmes de stockage et de transmission. Afin de réduire considérablement les tailles des séquences d’images médicales, les techniques de compression peuvent être extrêmement utiles. Toutefois, il est indispensable que la compression évite toute distorsion qui pourrait affecter la bonne pratique clinique ou modifier les informations nécessaires au diagnostic. Le verrou majeur auquel nous faisons face est l’incapacité de choisir aveuglément le taux de compression optimal permettant d’avoir une reconstruction à qualité diagnostique. En effet, pour une même configuration, le taux de compression et la qualité des images médicales reconstruites varient significativement d’une modalité à l’autre et selon le contenu. En conséquence, pour éviter le risque d’altérer des informations importantes, la compression est réalisée aujourd'hui en mode sans perte ou avec des taux beaucoup trop faibles comparés à ceux qui peuvent être atteints.
2. Les limites de l’interprétation humaine : personne ne peut analyser des millions d’images. D'ailleurs, les images médicales sont souvent bruitées, ou ont des contours mal définis, l’œil humain peine à en faire une lecture précise, et le risque d’erreur est élevé.
Objectif :
L'objectif a travers ce sujet de thèse consiste à analyser le contenu des images médicales pour déterminer à priori (1) le taux de compression optimal et (2) trouver celles qui révèlent un risque; ce qui aidera considérablement le radiologue à diagnostiquer une pathologie. Le processus de décision s'appuiera sur la mise en place d'algorithmes servant au traitement, à l’analyse et à l’interprétation des images médicales et notamment des algorithmes d’apprentissage. Ces travaux se dérouleront en collaboration avec des radiologues.
Doctorant.e: Hochberg Sylvain