Assas Recherche | Classification automatique des vidéos échographiques abdominales : de l'annotation subjective à l'inférence en temps réel dans des vidéos brutes

Classification automatique des vidéos échographiques abdominales : de l'annotation subjective à l'inférence en temps réel dans des vidéos brutes (Document en Anglais)

Accès au(x) document(s)

Accéder au(x) document(s) :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :

Thèse consultable sur internet, en texte intégral.

Informations sur les contributeurs

Auteur : Saibro Güinther

Saibro, Güinther

Nom

Saibro

Prénom

Güinther

Nationalité

Français

Date de soutenance : 26-02-2025

Directeur(s) de thèse : Diana Michele

Diana, Michele

Nom

Diana

Prénom

Michele

- Collins Toby

Collins, Toby

Nom

Collins

Prénom

Toby

Etablissement de soutenance : Strasbourg

Strasbourg

Nom

Strasbourg

Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)

Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)

Nom

Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)

Ecole doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)

École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)

Nom

École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)

Informations générales

Discipline : Informatique
Classification : Informatique, Médecine et santé

Mots-clés libres : Échographie abdominale, Diagnostic assisté par ordinateur, Apprentissage profond, Analyse de vidéos non-découpées
Mots-clés :

Abdomen -- Échographie
Diagnostic assisté par ordinateur
Apprentissage profond

Résumé : L’échographie b-mode est idéale pour le dépistage précoce des pathologies abdominales grâce à son faible coût et son caractère non-invasif. Les méthodes de diagnostic automatique basées sur l’apprentissage profond visent à réduire l’expertise requise, elles sont souvent entraînées sur des données manuellement sélectionnées d’images haute qualité, limitant leur efficacité sur des vidéos brutes contenant beaucoup d'images de faible qualité. Nous étudions des solutions d’apprentissage profond pour le diagnostic automatisé des pathologies du foie et du rein à partir de ces vidéos. Nos contributions : (1) une méthode d’annotation comparative par paires augmentant le F1-Score de 10 % comparée aux annotations classiques; (2) un pipeline intégrant un Transformer vidéo et un réseau externe sélectionnant automatiquement les images pertinentes; (3) un réseau apprenant la pertinence des images uniquement à partir d’étiquettes vidéo, atteignant un ROC-AUC de 0,90 pour le diagnostic du foie.

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2025STRAD002
Type de ressource : Thèse