Segmentation sémantique d'images tomodensitométrie 3D des poumons par apprentissage profond
Langue Anglais
Accéder au document

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-....)
 
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 :
  • Tomodensitométrie
  • Traitement d'images -- Techniques numériques
  • Poumon -- Radiographie
  • Apprentissage profond
Résumé : Les progrès en imagerie médicale, notamment la tomodensitométrie, ont considérablement amélioré les soins aux patients en permettant la visualisation in vivo des structures anatomiques en 3D. C'est dans ce contexte que s'inscrit la société Visible Patient, spécialisée dans la création de modèles 3D à partir de segmentations réalisées par des experts en imagerie médicale. Néanmoins, la segmentation manuelle de ces structures est chronophage et sujette à variations. Pour pallier cela, nous introduisons une méthode d'apprentissage profond pour la segmentation des structures thoraciques. L'architecture proposée en cascade comprend deux étapes : la segmentation des poumons, puis celle des structures internes en utilisant des scanners masqués par les poumons. Chaque étape utilise une approche de traitement tri-directionnelle afin d'exploiter les informations axiales, coronales et sagittales par un processus de fusion. Plusieurs configurations de fusion sont explorées dans le but d'obtenir des masques de segmentation finaux optimaux. La performance de la méthode est évaluée à travers des expériences sur un échantillon de 196 patients, comprenant la robustesse aux pathologies et les scanners sans agents de contraste. L'approche proposée obtient des performances similaires à la procédure standard de Visible Patient tout en divisant par près de 3,5 le temps requis, ce qui se traduit par une économie de jusqu'à trois heures en moyenne.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : not initialized
Identifiant : 2023STRAD040
Type de ressource : Thèse