apprentissage automatique de segmentation pour l'imagerie médicale et la défectologie.

par Robin Alais

Projet de thèse en Morphologie mathématique

Sous la direction de Etienne Decencière et de Petr Dokladal.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de Ecole doctorale Sciences des métiers de l'ingénieur (Paris) , en partenariat avec Mathématiques et Systèmes (laboratoire) , CMM - Centre de Morphologie Mathématique (equipe de recherche) et de École nationale supérieure des mines (Paris) (établissement de préparation de la thèse) depuis le 01-09-2015 .


  • Résumé

    L'objectif est d'étudier diverses techniques d'apprentissage supervisé pour la segmentation d'images, en particulier les réseaux de neurones convolutionnels, dont la mécanique interne est encore mal comprise. L'application principale concerne les images de fond d'oeil, le but étant de détecter / segmenter d'éventuelles lésions, en particulier liées à la rétinopathie diabétique.

  • Titre traduit

    Automatic segmentation learning for medical imaging and defectology


  • Résumé

    The aim is to study various supervised learning techniques for image segmentation, in particular convolutional neural networks, whos internal mechanism remains little understood. The main application of our work is eye fundus images and detecting / segmenting potential lesions, notably related to diabetic retinopathy.