Séminaire du 17/09/2020

Problématiques de segmentation d'images en chirurgie vasculaire

Résumé: Le traitement des images médicales est une tâche complexe. Les défis rencontrés sont souvent liés à l'accès aux données, aux bruits dégradant les images ou à leur faible résolution. La chirurgie vasculaire moderne n'échappe pas à ces difficultés. En effet, les interventions y sont de plus en plus guidées par l'imagerie qui permet des traitements mini-invasifs reposant sur l'implantation de biomatériaux.

Dans cette présentation nous nous intéresserons à plusieurs problématiques de segmentation d'images scanner à rayons-X de chirurgie vasculaire pour lesquelles des modèles probabilistes et d'apprentissage profond ont été développés afin de faire face aux difficultés. Plus précisément, nous couvrirons la segmentation bi- et tridimensionnelle d'artères et de ses différents constituants, avec ou sans présence de biomatériaux. Nous présenterons des résultats obtenus par les approches développées au cours de ma thèse qui relèvent d'extensions des modèles de Markov cachés classiques (chaines, arbres et champs) et de la mise en place d'un réseau de neurones convolutionnel.