Classification basée sur la représentation parcimonieuse et application au diagnostic des lésions cutanées

Classification Using Sparse Representation and Applications to Skin Lesions Diagnosis

• Auteur / Autrice : Hai Long Ngo
• Direction : Emmanuel Viennet, Marie Luong
• Type : Thèse de doctorat
• Discipline(s) : Sciences pour l'ingénieur
• Date : Soutenance le 12/07/2021
• Etablissement(s) : Paris 13
• Ecole(s) doctorale(s) : École doctorale Galilée (Villetaneuse, Seine-Saint-Denis)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de traitement et transport de l'information (Villetaneuse, Seine-Saint-Denis)
• Jury : Président / Présidente : Patrick Siarry
• Jury : Examinateurs / Examinatrices : Mouloud Adel, Su Ruan, Nikolay Sirakov, Tuong Le-Tien
• Jury : Rapporteurs / Rapporteuses : Patrick Siarry, Mouloud Adel

Mots clés

Mots clés contrôlés

Quaternions

Représentation parcimonieuse

Mélanome

Traitement d'images -- Techniques numériques

Intelligence artificielle en médecine

Imagerie médicale

Mots clés libres

Classification

Représentation parcimonieuse

Transformée en ondelettes discrète

Algèbre de quaternions

Lésions cutanées

Classification

Sparse Representation

Discrete Wavelet Transform

Résumé

La classification d’images est une discipline majeure en traitement d’images et en intelligence artificielle. La classification est d’une importance fondamentale pour qu’un système intelligent puisse exploiter et gérer efficacement l’information visuelle. L’objectif est de développer des algorithmes qui trouvent automatiquement la catégorie à laquelle appartient un échantillon d’image, à partir d’échantillons d’entraînement. Dans nos études, nous nous concentrons sur l’étude et le développement des algorithmes basés sur la représentation parcimonieuse pour la classification d’images, y compris, mais sans s’y limiter, les visages, les objets et les lésions cutanées. Cette étude met l’accent sur le développement des problèmes de classification basés sur la représentation parcimonieuse dans les domaines spécifiques tels que le domaine des ondelettes ou le domaine des ondelettes quaternioniques dans le but d’améliorer les performances de séparation des classes. En outre, notre objectif est de mettre en œuvre une nouvelle méthode pour le diagnostic du mélanome assisté par ordinateur, réalisé à partir d’images dermoscopiques. Le mélanome est le type de cancer de la peau le plus mortel. Heureusement, les lésions cutanées sont curables si elles sont diagnostiquées et traitées suffisamment tôt. Pour cette raison, le diagnostic automatique du mélanome assisté par ordinateur suscite aujourd’hui un grand intérêt de la part des chercheurs.

Image classification, a key research in image processing and artificial intelligence, is of fundamental importance for an intelligent system to exploit and manage efficiently the visual information. The objective is to develop algorithms that automatically find the category, to which an image sample belongs, given training samples. In our studies, we focus on the research and applications of sparse representation based algorithms for image classification including but not limited to faces, objects and skin lesions. A key emphasis of this study is to formulate the sparse representation-based classification problems in specific domains, like wavelet and quaternion wavelet, in order to enhance classes separation performance. Further, our goal is to implement the novel method to computer-assisted melanoma diagnosing, performed on dermoscopic images. Melanoma is the most deadly type of skin cancer. Fortunately, skin lesions are curable if they are diagnosed and treated early enough. Due to this reason, the automated computer-assisted melanoma diagnosing has attracted great interest to researchers nowadays.