Search & Find
DiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporama
Home
ICube Laboratory   >   Events : Thèse : Nouvelles approches radiomiques pour la caractérisation de tumeurs hépatiques par analyse d’image

Thèse : Nouvelles approches radiomiques pour la caractérisation de tumeurs hépatiques par analyse d’image

June 8, 2021
14:00
Distanciel

Soutenance de thèse : Farid OUHMICH

Titre : Nouvelles approches radiomiques pour la caractérisation de tumeurs hépatiques par analyse d’image

Équipe : IMAGeS

Résumé : Afin de caractériser une tumeur hépatique, une biopsie est le plus souvent réalisée, suivie d'une analyse anatomo-pathologique des tissus prélevés. Cependant, en raison de la faible taille des tissus prélevés, la biopsie ne permet pas de rendre compte de l'hétérogénéité intra et inter-patient, d'où sa difficulté à estimer précisément les caractéristiques phénotypiques des patients. Les progrès récents en imagerie médicale et en science des données ont permis l'émergence d'une nouvelle technique nommée radiomique, qui répond en partie à ces problématiques. Dans cette thèse, nous nous sommes intéressés aux hépatocarcinomes cellulaires, et nous avons implémentés de nouvelles méthodes d'imagerie pour caractériser cette pathologie. En incorporant l'information multiphase, des réseaux de neurones spécialisés de type U-Net ont été empilés en cascade pour effectuer une segmentation sémantique du foie et de ses différentes structures (parenchyme, parties active \& nécrotique de la tumeur). Pour caractériser l'hétérogénéité présente dans la tumeur, nous avons prédit le grade histologique à une échelle locale (prédiction par coupe), et cela en réutilisant les descripteurs appris par le réseau de segmentation sémantique. Nos résultats préliminaires nous permettent de produire une carte séparant les zones bien différenciées des zones faiblement différenciées. Bien que nos résultats doivent être confirmés sur de plus larges cohortes, nous pensons que les images médicales combinées aux techniques d'apprentissage profond pourraient être introduites prochainement dans le workflow clinique pour aider à diagnostiquer et à évaluer les caractéristiques phénotypiques de pathologies comme le cancer du foie.

Les membres du Jury sont :

  • Fabrice Heitz, Professor, University of Strasbourg
  • Vincent Noblet, Research Engineer, University of Strasbourg
  • Carole Lartizien, Head of Research, CREATIS - Insa Lyon, Villeurbanne (Reviewer)
  • Jean-Baptiste Fasquel, Professor, University of Angers - Laris (Reviewer)
  • Vincent Agnus, Research Engineer, IHU Strasbourg (Examinator)

La soutenance se déroulera le mardi 8 juin 2021 à 14h00 en distanciel.

À la une

Offers are available in the Job opportunities section of the ICube website or by clicking on the...

RSS Feeds

Flux RSS