Stage 6 mois
Master 2 - PFE Ingénieur
2017/2018
Segmentation du réseau vasculaire cérébral en angiographie 3D par
apprentissage profond
Sujet
La segmentation des réseaux vasculaires dans les images médicales IRM est un problème difficile, à cause de
la nature bruitée de ces images et de la finesse des structures à segmenter (les vaisseaux sanguins). Plusieurs
Publicité
travaux ont été développés dans l’équipe MIV autour de la segmentation vasculaire cérébrale en angiographie
IRM : l’objectif de ce stage est de mettre en œuvre des techniques d’apprentissage profond [1] pour segmenter
les réseaux vasculaires en imagerie IRM 3D et comparer ces résultats avec les méthodes existantes.
Travail à effectuer
Les travaux à effectuer s’articuleront autour des points suivants :
1. état de l’art dans le domaine de la segmentation vasculaire en IRM et des approches à base de réseaux de
neurones profonds ;
2. développement d’une méthodologie de segmentation dédiée aux images vasculaires 3D ;
Publicité
3. mise en œuvre de l’approche dans la librairie open-source TensorFlow [2].
L’entraînement du réseau de neurones pourra se faire à partir de différentes bases :
— la base d’images synthétiques publique VascuSynth http://vascusynth.cs.sfu.ca ;
— la base d’images publique de Bullitt https://public.kitware.com/Wiki/TubeTK/Data.
Compétences demandées
— Programmation en Python et/ou C++ ;
— Traitement d’images ;
— Apprentissage automatique.
Publicité
Encadrement
— Benoît Naegel - Équipe MIV - ICube Bureau C230 - [email protected]
— Vincent Vigon - IRMA - UFR Math Info, bureau P-222 - [email protected]
Références
[1] Yann LeCun, Yoshua Bengio, Geoffrey Hinton. Deep Learning Nature 521, 436–444, 2015
[2] TensorFlow tutorials https://www.tensorflow.org/tutorials/
1