Extraction de caractéristiques et apprentissage statistique pour l'imagerie biomédicale cellulaire et tissulaire

Alexis Zubiolo 1
1 MORPHEME - Morphologie et Images
CRISAM - Inria Sophia Antipolis - Méditerranée , IBV - Institut de Biologie Valrose : U1091, SIS - Signal, Images et Systèmes
Résumé : L'objectif de cette thèse est de s'intéresser à la classification de cellules et de tissus au sein d'images d'origine biomédicales en s'appuyant sur des critères morphologiques. Le but est de permettre aux médecins et aux biologistes de mieux comprendre les lois qui régissent certains phénomènes biologiques. Ce travail se décompose en trois principales parties correspondant aux trois problèmes typiques des divers domaines de l'imagerie biomédicale abordés. L'objet de la première est l'analyse de vidéos d'endomicroscopie du colon dans lesquelles il s'agit de déterminer automatiquement la classe pathologique des polypes qu'on y observe. Cette tâche est réalisée par un apprentissage supervisé multiclasse couplant les séparateurs à vaste marge à des outils de théorie des graphes. La deuxième partie s'intéresse à l'étude de la morphologie de neurones de souris observés par microscopie confocale en fluorescence. Afin de disposer d'une information riche, les neurones sont observés à deux grossissements, l'un permettant de bien caractériser les corps cellulaires, l'autre, plus faible, pour voir les dendrites apicales dans leur intégralité. Sur ces images, des descripteurs morphologiques des neurones sont extraits automatiquement en vue d'une classification. La dernière partie concerne le traitement multi-échelle d'images d'histologie digitale dans le contexte du cancer du rein. Le réseau vasculaire est extrait et mis sous forme de graphe afin de pouvoir établir un lien entre l'architecture vasculaire de la tumeur et sa classe pathologique.
Liste complète des métadonnées

Littérature citée [60 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01290131
Contributeur : Abes Star <>
Soumis le : jeudi 6 juillet 2017 - 10:48:31
Dernière modification le : vendredi 7 juillet 2017 - 10:07:10

Fichier

2015NICE4117.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01290131, version 1

Collections

Citation

Alexis Zubiolo. Extraction de caractéristiques et apprentissage statistique pour l'imagerie biomédicale cellulaire et tissulaire. Autre. Université Nice Sophia Antipolis, 2015. Français. 〈NNT : 2015NICE4117〉. 〈tel-01290131〉

Partager

Métriques

Consultations de
la notice

91

Téléchargements du document

19