Segmentation sémantique d'images tomodensitométrie 3D des poumons par apprentissage profond
Langue Anglais
Langue Anglais
Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Modalités de diffusion de la thèse :
- Thèse confidentielle jusqu'au 10/10/2028.
- Thèse soumise à l'embargo de l'auteur jusqu'au 10/10/2028 (communication intranet).
Auteur : Heitz, Adrien
Date de soutenance : 10-10-2023
Directeur(s) de thèse : Heitz, Fabrice - Soler, Luc
Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Date de soutenance : 10-10-2023
Directeur(s) de thèse : Heitz, Fabrice - Soler, Luc
Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Discipline : Informatique
Classification : Informatique, Médecine et santé
Mots-clés libres : Segmentation de structures thoracique, Segmentation de structures tubulaires, Réseaux de neurones convolutionnels, Fusion de données, U-Net 2,5D, Tomodensitométrie
Mots-clés :
Classification : Informatique, Médecine et santé
Mots-clés libres : Segmentation de structures thoracique, Segmentation de structures tubulaires, Réseaux de neurones convolutionnels, Fusion de données, U-Net 2,5D, Tomodensitométrie
Mots-clés :
- Scanographie
- Traitement d'images -- Techniques numériques
- Poumon -- Radiographie
- Apprentissage profond
Type de contenu : Text
Format : PDF
Format : PDF
Entrepôt d'origine : not initialized
Identifiant : 2023STRAD040
Type de ressource : Thèse
Identifiant : 2023STRAD040
Type de ressource : Thèse