Interface web pour l’analyse des images médicales par modèle d’apprentissage profond pour la médecine personnalisée
SONAR|HES-SO
- Roux, Matthieu
- Depeursinge, Adrien (Degree supervisor)
- Sierre : Haute Ecole de Gestion Valais, 2023
achelor of Science HES-SO (BSc) en Informatique de gestion: Haute Ecole de Gestion Valais, 2023
intelligence artificielle
apprentissage profond
inférence
médecine personnalisée
radiomique
imagerie médicale
application web
modèle d’apprentissage profond
deep features
French
L’engouement pour l’intelligence artificielle en médecine, en particulier pour l’apprentissage profond ces 10 dernières années, concerne majoritairement le domaine de la radiologie pour lequel nombre d’outils sont actuellement utilisés. Néanmoins, les limites de cette technologie en imposent une utilisation très modeste dans le domaine de la médecine personnalisée.
Partant de ce constat, si un moyen d’apprentissage profond convaincant pour la médecine personnalisée existe, est-il possible de mettre à disposition des médecins un outil permettant d’utiliser ce type d’intelligence artificielle à travers une interface web ? Devant cette problématique, nous avons dans un premier temps pesé les pour et les contres pour vérifier notre hypothèse concernant l’existence d’une technologie d’apprentissage profond utile pour la médecine personnalisée. Ensuite, nous avons sélectionné un outil d’inférence. Puis, nous y avons intégré un modèle d’apprentissage profond adapté aux besoins de la médecine personnalisée (i.e. réalisant l’extraction de caractéristiques profondes (deep features)). Et enfin, nous avons développé une petite application web permettant l’analyse d’examens d’imagerie médicale (CT, PT (et IRM)) par le modèle personnalisé présent dans l’outil d’inférence.
Au terme de ce travail, nous avons pu présenter une solution expérimentale permettant à la recherche en médecine personnalisée, et plus spécifiquement en radiomique, d’utiliser une technologie d’apprentissage profond pour l’analyse d’images médicales, et accessible par Internet via une interface visuelle.
Partant de ce constat, si un moyen d’apprentissage profond convaincant pour la médecine personnalisée existe, est-il possible de mettre à disposition des médecins un outil permettant d’utiliser ce type d’intelligence artificielle à travers une interface web ? Devant cette problématique, nous avons dans un premier temps pesé les pour et les contres pour vérifier notre hypothèse concernant l’existence d’une technologie d’apprentissage profond utile pour la médecine personnalisée. Ensuite, nous avons sélectionné un outil d’inférence. Puis, nous y avons intégré un modèle d’apprentissage profond adapté aux besoins de la médecine personnalisée (i.e. réalisant l’extraction de caractéristiques profondes (deep features)). Et enfin, nous avons développé une petite application web permettant l’analyse d’examens d’imagerie médicale (CT, PT (et IRM)) par le modèle personnalisé présent dans l’outil d’inférence.
Au terme de ce travail, nous avons pu présenter une solution expérimentale permettant à la recherche en médecine personnalisée, et plus spécifiquement en radiomique, d’utiliser une technologie d’apprentissage profond pour l’analyse d’images médicales, et accessible par Internet via une interface visuelle.
- Language
-
- French
- Classification
- Computer science and technology
- Notes
-
- Haute Ecole de Gestion Valais
- Informatique de gestion - Wirtschaftsinformatik
- hesso:hegvs
- Persistent URL
- https://folia.unifr.ch/global/documents/326264
Statistics
Document views: 168
File downloads:
- ROUX_MATTHIEU_2023.pdf: 253