Dadoun, Hind
[Author]
;
Université Côte d'Azur
[Contributor];
Ayache, Nicholas
[Contributor];
Delingette, Hervé
[Contributor]
Analyse d'images d'échographie abdominale basée sur l'IA pour aider au diagnostic médical ; AI-based analysis of abdominal ultrasound images to support medical diagnosis
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
Text;
Electronic Thesis;
E-Book
Title:
Analyse d'images d'échographie abdominale basée sur l'IA pour aider au diagnostic médical ; AI-based analysis of abdominal ultrasound images to support medical diagnosis
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
L'objectif de notre étude est d'analyser comment les outils d'apprentissage automatique peuvent être adaptés pour être utilisés pour l'interprétation automatique d'images d'échographie abdominale, en prenant en compte une difficulté majeure: l'absence de bases de données d'échographie abdominale conservées, annotées et librement accessibles. Dans cette thèse, nous détaillerons ces défis et indiquerons des premiers éléments pour pallier certains d'entre eux.Le chapitre 2 décrit la construction d'une grande base de données d'échographie abdominale provenant d'un hôpital universitaire où un total de 8011 examens d'échographie abdominale (120 593 images) de 6482 patients ont été extraits, ainsi que les rapports médicaux correspondants. Nous nous concentrons sur la documentation du jeu de données, y compris ses caractéristiques et la collecte des données, ainsi que sur une évaluation critique des biais du jeu de données et des instances mal étiquetées.Dans le chapitre 3, nous proposons un logiciel de prétraitement pour les images échographiques qui permet à la fois une parfaite désidentification des images et la standardisation de leur contenu. La méthode permet la délimitation du cône d'acquisition en échographie et le remplissage des annotations (lignes, caractères) à l'intérieur du cône en combinant une approche probabiliste paramétrique avec un réseau de segmentation, en plus des méthodes de remplissage automatique.Dans le chapitre 4, nous avons mené une étude pour entraîner et évaluer les performances d'un réseau de neurone profond sur une tâche spécifique autour de l'imagerie échographique, en présence d'une quantité raisonnable de données sans bruit et hautement étiquetées. Ses performances sont ensuite comparées à celle de soignants ayant différents niveaux d'expertise. La détection, la localisation et la caractérisation des lésions focales du foie dans les images échographiques en mode B ont été choisies comme cadre de cette étude : d'abord, car cette tâche a un intérêt clinique bien documenté, et ensuite, ...