Analyse d’images médicales par approches couplées apprentissage profond et modèles hiérarchiques

Le but de ce projet est de développer des méthodes et outils logiciels pour la détection des ganglions axilaires à partir d'images couplées 3D TDM (tomodensitométrie par rayons X)-TEP (tomographie par émission de positons), dans le cadre du diagnostic et du suivi du cancer du sein. A ces fins, nous développons des approches couplant des algorithmes d'apprentissage profond avec des modèles d'images hiérarchiques développés en morphologie mathématique.

Ce projet de recherche industriel est mené en partenariat entre le CReSTIC, l'Institut Jean-Godinot (centre de lutte anticancer) et General Electric Healthcare, dans le cadre d'une convention CIFRE.