Aller au contenuAller au menuAller à la rechercheAller à la page d'actualités

Laboratoire Angevin de Recherche en Ingénierie des Systèmes


Navigation principale

    Recherche

    Fil d'ariane

    HARMONY

    Apprentissage Profond et Connaissances Structurelles pour l'analyse d'Images

    • Partager la page sur les réseaux sociaux
    • Envoyer cette page par mail

      Envoyer par mail


      Séparés par des virgules
    • Imprimer cette page

    Projet de Recherche HARMONY

    Équipe :  Information, Signal, Image et Sciences du Vivant

    Labellisation : aucune

    Durée : 19/02/2020 - 31/12/2023

    Financement : Région Pays de la Loire avec le Cancéropôle du Grand Ouest (CGO)

    Personnels impliqués du LARIS : Pierre Chauvet, Nassib Abdallah (post-doctorant)

    Partenaires du projet : M. Hatt (LaTIM - UBO, coordinateur), C. Tauber (INSERM), T. Carlier (CRCINA)

    Résumé et objectifs

    La radiomique consiste en l’extraction haut débit de caractéristiques quantitatives des images médicales. Des résultats encourageants ont été obtenus concernant la prédiction du devenir des patients dans de nombreux cancers. La radiomique requiert l’exploitation de techniques robustes d’apprentissage afin de sélectionner et combiner les caractéristiques les plus utiles et les moins redondantes pour mettre au point des modèles multiparamétriques. L’utilisation de réseaux de neurones convolutionnels (CNN) est de plus en plus fréquente dans le domaine de la vision par ordinateur. De façon similaire à la radiomique comparée à l’utilisation de quelques métriques d’images usuelles, les CNN ont fait preuve de performances impressionnantes comparativement à des techniques usuelles, y compris dans le domaine de l’imagerie médicale. Plusieurs études ont déjà comparé la radiomique usuelle avec l’utilisation de CNN, toutefois il reste de nombreux défis à résoudre, en particulier comment combiner les deux approches et comment les modèles résultats peuvent être exploités afin de personnaliser les traitements. De plus, que la radiomique exploite des approches usuelles d’apprentissage ou des méthodes plus récentes de l’apprentissage profond, une limite majeure au développement et à la validation de modèles prédictifs suffisamment généralisables pour être transférés en routine clinique, reste la grande variabilité de scanners, de protocoles d’acquisition et de reconstruction dans le contexte réel clinique multicentrique. L’objectif principal de ce projet est de développer des méthodes d’harmonisation pour la radiomique puis de les adapter et les évaluer dans quatre différents contextes comme démonstrateurs. Un autre objectif du projet est de construire un réseau scientifique collaboratif à plus long terme entre 4 équipes qui n’ont pas encore travaillé ensemble dans un projet de cette ambition.