Description
Date depot: 12 septembre 2023
Titre: Outils d'intelligence artificielle robustes utilisant l'imagerie par résonance magnétique multiparamétrique pour la gestion du cancer de la prostate chez les patients sous surveillance active
Directrice de thèse:
Maria Alejandra ZULUAGA (Eurecom)
Encadrant :
Sébastien OURSELIN (King's college London)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé: L'objectif principal de ce projet de doctorat est de développer un cadre robuste basé sur l'IA pour améliorer la sélection et le suivi des patients SA à l'aide de l'IRM-multiparametrique. À cette fin, le projet s'appuiera sur le récent système de diagnostic assisté par ordinateur (CAO) pour le cancer de prostate développé par le laboratoire hôte [5,6]. La thèse didat étendra d'abord le système CAD existant pour la sélection et le suivi des patients SA et développera ensuite des techniques de contrôle de la qualité (CQ) à intégrer dans le système. Les outils QC développés devraient signaler les performances aberrantes du cadre basé sur l'IA, en raison de la faible qualité des données ou de la mauvaise généralisation du modèle, qui seront présentées à l'expert clinique pour action. La valeur clinique du projet sera démontrée par son utilisation dans une cohorte de patients recueillis au Guy’s & St Thomas’ NHS Foundation Trust.
Résumé dans une autre langue: The main aim of this PhD project is to develop a robust AI-based framework for improved active surveillance patient selection and follow-up using multiparametric-MRI (mp-MRI). To this end, the project will build upon the recent computer-aided diagnosis (CAD) system for prostate cancer developed by the host lab. The thesis will first extend the existing CAD system for AS patient selection and follow up and will then develop quality control (QC) techniques to be integrated within the system. The developed QC tools are expected to flag aberrant performance of the AI-based framework, due to low data quality or poor model generalization, that will be presented to the clinical expert for action. The clinical value of the project will be demonstrated through its use in a cohort of patients collected at Guy’s & St Thomas’ NHS Foundation Trust.
Doctorant.e: Marciano Vincenzo