Apprentissage profond pour la détection de contours - Application au suivi orthodontique par smartphone

Deep learning for contour detection - Applied to smartphone-based dental monitoring

• Auteur / Autrice : Van Trung Pham
• Direction : Yves Lucas, Sylvie Treuillet
• Type : Thèse de doctorat
• Discipline(s) : Informatique. Sciences pour l'ingénieur
• Date : Soutenance le 03/05/2021
• Etablissement(s) : Orléans
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....)
• Jury : Président / Présidente : Catherine Achard
• Jury : Examinateurs / Examinatrices : Christel Vrain
• Jury : Rapporteurs / Rapporteuses : Jenny Benois Pineau, Nicolas Thome

Mots clés

Mots clés contrôlés

méthodes

Photographie dentaire

Vision par ordinateur en médecine

Smartphones

Apprentissage profond

Photographie en odontostomatologie

Traitement d'images -- Techniques numériques

Mots clés libres

Détection de contour

Segmentation sémantique

Contour detection

Semantic segmentation

Résumé

En orthodontie, le suivi régulier du mouvement des dents joue un rôle essentiel pour la qualité des traitements. L’entreprise Dental Monitoring est la première à avoir mis en place une solution innovante qui permet de mesurer la position des dents à partir d'images prises par smartphone. L’objet de ces travaux de thèse est de développer des algorithmes de détection de contours des dents et de segmentation des masques d’objets sur des images buccodentaires. Exploiter ces images d’une qualité très variable(exposition, netteté, résolution …) capturées de façon non contrôlée est un véritable challenge.Nous avons développé deux réseaux de neurones convolutifs. Le premier, Edge Pyramid Network (EPN),qui extrait des cartes multi-échelles dérivées de FPN est capable de réaliser plusieurs tâches de détection de contours et de segmentation sémantique. Une stratégie de fine-tuning alternant différentes fonctions de perte optimise la finesse et la précision des contours. Le deuxième, Shared Convolutional Network (SCN),combine plusieurs modules d'extraction de contours RCF à une seule ossature. En outre, un algorithme pour le raffinement de contours (Contour Refinement using Instance Segmentation CRIS) qui exploite une segmentation d'instances de dents a également été développé. L’efficacité des algorithmes proposés a été validée sur une base applicative de 1000 images bucco-dentaires extraites de cas réels. Plus largement, sur les bases d'images publiques, EPN concurrence l’état de l’art dans les tâches de détection de contours sémantiques et non-sémantiques. Enfin, l’algorithme CRIS, breveté par l’entreprise, obtient des résultats remarquables pour raffiner des contours dentaires.

In orthodontics, regular monitoring of tooth movement plays an essential role for the quality of treatments. Dental Monitoring is the first company that has implemented an innovative solution to measure the position of teeth from images taken by smartphone. The goal of this thesis is to develop algorithms for teeth contours detection and objects segmentation on oral images. Exploiting these images of variable quality (exposure,sharpness, resolution…) captured in an uncontrolled manner is a real challenge.We have developed two convolutional neural networks. The first, Edge Pyramid Network (EPN), which extracts multi-scale feature maps derived from FPN is able to perform several tasks of contour detection and semantic segmentation. A fine-tuning strategy alternating different loss functions optimizes the smoothness and precision of the contours. The second, Shared Convolutional Network (SCN), combines several RCF contour extraction modules in a single network. In addition, an algorithm for Contour Refinement using Instance Segmentation (CRIS) which exploits a segmentation of instances of teeth has also been developed.The effectiveness of the proposed algorithms has been validated on a database of 1000 oral images extracted from real cases. Moreover, on the public databases, EPN achieves competitive performance against the state-of-the-art in the tasks of semantic and non-semantic contour detection. Finally, the CRIS algorithm, patented by the company, obtains remarkable results for refining dental contours.