Search & Find
DiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporama
Accueil
ICube   >   Agenda : Thèse : Augmentation de données pour l'analyse d'images histopathologiques : approches par génération d'images et déformations spatiales pour la segmentation de glomérules

Thèse : Augmentation de données pour l'analyse d'images histopathologiques : approches par génération d'images et déformations spatiales pour la segmentation de glomérules

Le 30 novembre 2022
À 14h00
pôle API A302

Soutenance de thèse : Florian ALLENDER

Titre : Augmentation de données pour l'analyse d'images histopathologiques : approches par génération d'images et déformations spatiales pour la segmentation de glomérules

Équipe : SDC, IGG

Résumé

Dans le cadre de cette thèse, nous nous intéressons à des données histopathologiques rénales. L'histopathologie rénale est cruciale dans l'étude des maladies du rein, et en particulier du rejet de greffes, qui se produit avec un taux d'incidence de 7,9% pendant la première année. Pour étudier ces pathologies, les médecins utilisent les outils issus de l'histopathologie numérique pour analyser les glomérules, structures biologiques chargées du filtrage du sang et de la production de l'urine. Ces structures sont complexes et comportent de multiples sous-structures (membranes, capillaires, cellules mésangiales et endothéliales, podocytes) rendant leur segmentation automatique particulièrement difficile. Notre objectif est d'améliorer la segmentation automatique de glomérules dans des couprs complètes en utilisant un CNN de type U-Net, modèle standard en segmentation d'images médicales. L'entraînement d'un tel modèle nécessite une grande quantité d'images annotées (plusieurs dizaines de milliers). Or, dans notre contexte, le nombre d'images annotées disponibles est de l'ordre de quelques centaines seulement, ce qui pose la question des augmentations de données. Nous proposons dans cette thèse d'étudier l'application et l'impact d'augmentations de deux types. Nous étudions premièrement les variations géométriques, introduites à l'aide de déformations spatiales aléatoires. Bien que l'utilisation de déformations aléatoires. Bien que l'utilisation de déformations aléatoires. Bien que l'utilisation de déformations aléatoires soit classique pour l'augmentation de données, aucune évaluation n'a été proposée dans la littérature pour les images histopathologiques, et pour les images de glomérules en particulier. Deuxièmement, nous étudions les variations de texture, introduites à l'aide de variations de texture, introduites à l'aide de méthodes de synthèse de texture et de modèles génératifs, et qui n'ont fait l'objet que de très peu de travaux en imagerie histopathologique rénale.

Le jury est composé de :

  • Camille KURTZ : Rapporteur
  • Nicolas PASSAT : Rapporteur
  • Benoît NAEGEL : Ecaminateur
  • Maria VAKALOPOULOU : Examinatrice
  • Cédric WEMMERT : Directeur de thèse
  • Jean-Michel DISCHLER : Co-directeur de thèse
  • Rémi ALLEGRE: Co-encadrant

La soutenance se tiendra le mercredi 30 novembre à 14h00 dans l'amphithéâtre A302 sur le pôle API à Illkirch. La soutenance sera en français suivie d'un pot.

À la une

Ce lundi 4 juillet 2022 s’est tenue la cérémonie de remise des prix des lauréats du Concours...

Flux RSS

Flux RSS