Méthodes d'apprentissage automatisé pour l'amélioration du diagnostic des cancers épidermoïdes du larynx à partir d'images histologiques

Deep Learning Methods for Grading Head and Neck Squamous Lesions from Whole Slide Images

• Auteur / Autrice : Mélanie Lubrano di scandalea
• Direction : Thomas Walter
• Type : Thèse de doctorat
• Discipline(s) : Bio-informatique
• Date : Soutenance le 16/11/2023
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique (Paris)
• Partenaire(s) de recherche : Laboratoire : Centre de bio-informatique (Fontainebleau, Seine et Marne)
• Partenaire(s) de recherche : établissement de préparation de la thèse : École nationale supérieure des mines (Paris ; 1783-....)
• Jury : Président / Présidente : Nicolas Loménie
• Jury : Examinateurs / Examinatrices : Thomas Walter, Inti Zlobec, Marc Aubreville, Etienne Decencière, Saïma Ben Hadj
• Jury : Rapporteurs / Rapporteuses : Inti Zlobec, Marc Aubreville

Mots clés

Mots clés contrôlés

Intelligence artificielle en biologie

Cancer -- Diagnostic

Larynx

Dysplasie

Histopathologie

Mots clés libres

Apprentissage automatisé

Histopathologie

Dysplasie

Larynx

Cancer

Diagnostic

Pathologie computationnelle

Intelligence artificielle

Histopathology

Head and neck squamous cell carcinoma

Cancer

Diagnosis

Computational pathology

Machine learning

Dysplasia

Larynx

Artificial intelligence

Résumé

Cette thèse explore l'utilisation de la pathologie computationnelle pour évaluer et grader les lésions précancéreuses et cancéreuses du larynx, une condition sujette à une classification subjective de la part des pathologistes. En utilisant des modèles d'IA et une vaste base de données d'images histologiques, nous avons développé des outils d'aide au diagnostic améliorant la reproductibilité inter et intra observateurs, permettant ainsi une meilleure prise en charge des patients.

This thesis explores the use of computational pathology to evaluate and grade precancerous and cancerous lesions of the larynx, a condition subject to subjective classification by pathologists. By using Al models and a vast database of histological images, we have developed diagnostic assistive tools that enhance the inter and intra observer reproducibility, thereby improvings patient care.