Segmentation automatique des artères coronaires dans les séquences angiographiques par apprentissage profond

La séparation visuelle automatique des artères coronaires dans les images médicales, appelée segmentation, est un prérequis pour le diagnostic et l’évaluation automatisée de pathologies cardio-vasculaires. C’est également un outil très important pour les cliniciens dans la planification des interventions. Nous proposons dans ce projet d’améliorer la segmentation automatique des artères coronaires en profitant des récentes avancées en intelligence artificielle. Une technique semi-automatique, ayant déjà fait ses preuves, permettra de sélectionner les données nécessaires au processus d’apprentissage de l’algorithme. Par la suite, avec ces données, l’intelligence artificielle pourra être entraînée à reconnaître automatiquement les artères coronaires avec une précision très élevée. Le stagiaire mettra en oeuvre plusieurs méthodes développées durant son doctorat. Pour l’organisme partenaire, la technique de segmentation actuellement intégrée dans son logiciel sera significativement améliorée par cette avancée

Faculty Supervisor:

Farida Cheriet

Student:

Fantin Girard

Partner:

Corstem

Discipline:

Computer science

Sector:

Medical devices

University:

Program: