Youssef Assis (Tangram) soutiendra sa thèse intitulée “La détection des anévrismes intracrâniens par apprentissage profond”, le 22 mars à 14h30 en salle C005.
Les anévrismes intracrâniens sont des dilatations locales des vaisseaux sanguins cérébraux, présentant un risque significatif de rupture, susceptible d’entraîner des conséquences graves. La détection précoce des anévrismes non rompus revêt donc une importance cruciale pour prévenir des complications potentiellement mortelles. Cependant, l’analyse des images médicales pour localiser ces anévrismes est une tâche complexe et chronophage, demandant du temps et d’expertise, et malgré cela reste susceptible d’erreurs d’interprétation. Face à ces défis, cette thèse explore des méthodes automatisées pour la détection des anévrismes, visant à faciliter le travail des radiologues et à améliorer l’efficacité du diagnostic. Notre approche se concentre sur l’utilisation de techniques d’intelligence artificielle, en particulier les réseaux de neurones profonds, pour la détection des anévrismes à partir d’images d’IRM angiographique par temps de vol (TOF-MRA). Nos travaux de recherche se sont articulés autour de plusieurs axes principaux. Tout d’abord, en raison de la rareté des données d’entraînement dans le domaine médical, nous adoptons une méthode d’annotation rapide, bien qu’approximative, afin de faciliter la collection de données. Par ailleurs, nous proposons une stratégie basée sur des petits patchs. En association avec de la synthèse de données, les échantillons sont démultipliés dans la base d’apprentissage. En sélectionnant les échantillons, leur distribution est ajustée pour faciliter l’optimisation. Ensuite, pour la détection automatisée des anévrismes, nous étudions diverses architectures de réseaux de neurones. Une première approche explore les réseaux de segmentation d’images. Nous proposons dans un second temps une architecture innovante inspirée des travaux en détection d’objets. Ces architectures, notamment la dernière, obtiennent des résultats compétitifs, en particulier en termes de sensibilité par rapport aux experts. Enfin, au-delà de la détection des anévrismes, nous étendons notre modèle à l’estimation de la pose des anévrismes dans les images 3D. Ceci peut grandement faciliter leur analyse et leur interprétation dans des plans de coupes reformattés. Une évaluation approfondie des modèles proposés est systématiquement réalisée, incluant des études par ablation, l’exploitation de métriques adaptées au problème de la détection et des évaluations menées par des experts cliniciens, permettant d’apprécier leur efficacité potentielle pour une utilisation clinique. Nous mettons en particulier en évidence les problèmes liés à l’incertitude dans l’annotation des bases de données existantes.
Rapporteurs :
Examinateurs :
Directeurs :
