Reconstruction d’images tomographiques avec des approches de réseau neuronal direct
Auteur / Autrice : | Venkata Sai Sundar Kandarpa |
Direction : | Dimitris Visvikis, Alexandre Bousse |
Type : | Thèse de doctorat |
Discipline(s) : | Analyse et traitement de l'information et des images médicales |
Date : | Soutenance le 31/03/2022 |
Etablissement(s) : | Brest |
Ecole(s) doctorale(s) : | École doctorale Biologie-Santé (Nantes) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire de traitement de l’information médicale (Brest, Finistère) |
Jury : | Président / Présidente : Andrew Reader |
Examinateurs / Examinatrices : Dimitris Visvikis, Alexandre Bousse, Andrew Reader, Kuang Gong, Voichiţa Theodora Maxim, Alessandro Perelli | |
Rapporteurs / Rapporteuses : Andrew Reader, Kuang Gong |
Mots clés
Résumé
Les réseaux de neurones sont largement utilisés dans le domaine de l’imagerie médicale pour la segmentation d’images biomédicales, le diagnostic du cancer, l’analyse d’images, etc. Les progrès de la puissance de calcul (GPU) et l’utilisation efficace de la mémoire ont propulsé la propagation des réseaux de neurones profonds dans divers domaines. La principale motivation derrière l’utilisation des approches de réseaux de neurones est une prédiction plus rapide (par rapport aux méthodes traditionnelles) sans compromettre la qualité du résultat. La reconstruction d’images médicales implique la tâche de cartographier les données de mesure brutes collectées par le détecteur en images compréhensibles pour un radiologue. Un algorithme de reconstruction d’images médicales se rapproche essentiellement de cette cartographie pour prédire la meilleure image possible.L’utilisation des réseaux de neurones dans la reconstruction par tomographie par émission de positrons (TEP) et par tomodensitométrie (CT) a été explorée dans cette thèse. De nouveaux cadres appelés DUG-RECON (Double U-Net Generator) pour la reconstruction d’images TEP, CT et LRR-CED (Low-Reconstruction Aware Convolutional Encoder-Decoder) pour la reconstruction d’images CT clairsemées sont proposés dans ce manuscrit.