Difference between revisions of "Publications/buatois.19.seminar/fr"

From LRDE

(Created page with "{{CSIReportFR | authors = Thibault Buatois | titre = Segmentation de tumeur cérébrale par réseau de neurones convolutionel | year = 2019 | number = 1905 | resume = Les glio...")
 
Line 4: Line 4:
 
| year = 2019
 
| year = 2019
 
| number = 1905
 
| number = 1905
| resume = Les gliomes sont une catègorie de tumeur cérébrale ayant différentes formes et textures. La segmentation manuelle est complexe à cause de l'hétérogénéité de ces tumeurs. Plusieurs méthodes de segmentation automatique de gliomes ont été étudiées au challenge MICCAI 2018 BraTS, et nous voulons améliorer la soumission du LRDE, par l'utilisation d'opérateurs morphologiquesen gardant le même réseau de neurones et la “pseudo-3D”.
+
| resume = Les gliomes sont une catégorie de tumeur cérébrale ayant différents degrés de malignité, formes et textures. La segmentation manuelle par des professionnels est complexe à cause de l'hétérogénéité de ces tumeurs. Plusieurs méthodes de segmentation automatique de gliomes ont été étudiées au challenge MICCAI 2018 BraTS. Nous voulons améliorer les résultats de la segmentation soumise l'année dernière par l'équipe du LRDE, qui utilise l'architecture de VGG. Ce réseau de neurones à couches de convolution, utilisé habituellement pour de la classification d'images naturelles, a été adapté pour la segmentation d'images médicales grace à l'apprentissage par transfert et la “pseudo-3D”. Les améliorations actuelles se concentrent principalement sur le pré-traitement, l'utilisation d'opérateurs morphologiqueset seront soumises au challenge de cette année.
 
| type = techreport
 
| type = techreport
 
| id = buatois.19.seminar
 
| id = buatois.19.seminar

Revision as of 18:53, 27 June 2019

Résumé

Les gliomes sont une catégorie de tumeur cérébrale ayant différents degrés de malignité, formes et textures. La segmentation manuelle par des professionnels est complexe à cause de l'hétérogénéité de ces tumeurs. Plusieurs méthodes de segmentation automatique de gliomes ont été étudiées au challenge MICCAI 2018 BraTS. Nous voulons améliorer les résultats de la segmentation soumise l'année dernière par l'équipe du LRDE, qui utilise l'architecture de VGG. Ce réseau de neurones à couches de convolution, utilisé habituellement pour de la classification d'images naturelles, a été adapté pour la segmentation d'images médicales grace à l'apprentissage par transfert et la “pseudo-3D”. Les améliorations actuelles se concentrent principalement sur le pré-traitement, l'utilisation d'opérateurs morphologiqueset seront soumises au challenge de cette année.