Événements du LITIS

Chargement Évènements

« Tous les Évènements

  • Cet évènement est passé

Soutenance de thèse de Naouel BOUGHATTAS le 26/05/16

05/26/2016 @ 14:00 - 17:00

Lieu : amphi A dans le bâtiment d’enseignement de la fac de médecine

 

Intitulé : « Fusion de données par sélection de caractéristiques : Application à la segmentation des tissus tumoraux en imagerie médicale »

Résumé :
Dans cette thèse, nous présentons une contribution à la segmentation de la
tumeur cérébrale à partir d’images multi-séquences. La nouvelle idée est
d’utiliser l’apprentissage par noyaux multiples (Multiple Kernel Learning :
MKL) qui permet de sélectionner les caractéristiques pertinentes et faire
apprendre le classieur simultanément. La variabilité des caractéristiques
observées des tissus tumoraux est très élevée selon le type de tumeur.
L’Imagerie par Résonance Magnétique (IRM) est actuellement la technique
standard pour le diagnostic des tumeurs cérébrales. Elle produit
différents types d’images qui fournissent des informations complémentaires
mais redondantes et non signiantes qui augmentent le temps de traitement
et les erreurs de segmentation. D’abord, un grand ensemble de
caractéristiques est calculé sur un petit ensemble de voxels pour tous les
types d’images. Ceci nous permet de construire une base de caractéristiques
d’apprentissage. L’étape de segmentation est vue comme un problème
d’apprentissage où seulement les caractéristiques les plus pertinentes de
la base de caractéristiques sont choisies et un classicateur est appris.
L’apprentissage par MKL permet de sélectionner un ou plusieurs noyaux
associés
à chaque caractéristique et faire apprendre le classieur SVM (Support
Vector Machine). Les images sont alors segmentées en utilisant le
classicateur appris sur acheter viagra en france les
caractéristiques choisies. Un post-traitement basé sur un ré-apprentissage
sur une région réduite autour de la tumeur segmentée durant la première
étape est ajouté.
Une fusion des deux résultats de segmentation procure la segmentation
finale. Notre algorithme a été testé sur une base de 7 patients fournis
par le CHU de Caen ainsi
que sur la base réelle fournie par le challenge de BraTS 2012. Les
résultats montrent une bonne performance de notre méthode.

Les rapporteurs
M. Yuemin ZHU (Laboratoire CREATIS, INSA LYON)
M. Imed Riadh  FARAH (LR-RIADI-SIIVT, Université de Manouba, Tunis)

L’examinateur
Mme  Mireille GARREAU (LTSI, Université de Rennes 1)

Codirecteur de thèse
Mme SuRuan (LITIS, Université de Rouen)
M. Kamel Hamouni (SITI, Université de Tunis El Manar)

Encadrant
M. Maxime Berar (LITIS, Université de Rouen)

Détails

Date :
05/26/2016
Heure :
14:00 - 17:00

Lieu

UFR ST Madrillet – Rouen
Avenue de l'Université
Saint-Étienne-du-Rouvray, 76800 France
+ Google Map
Site Web :
http://www.univ-rouen.fr
Publié dans
eleifend nec lectus Donec fringilla sem, ut efficitur. massa Lorem