Techniques fondées sur les Réseaux antagonistes génératifs en biométrie médicale : application en dermatologie.

Generative Adversarial Network based approaches for medical biometrics: application in dermatology

• Auteur / Autrice : Hazem Zein
• Direction : Amine Nait-ali
• Type : Projet de thèse
• Discipline(s) : Signal, Image, Automatique
• Date : Inscription en doctorat le 15/10/2021
• Etablissement(s) : Paris 12
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication
• Partenaire(s) de recherche : Laboratoire : LISSI - Laboratoire Images, Signaux et Systèmes Intelligents

Mots clés

Mots clés libres

Réseaux antagonistes génératifs

Apprentissage profond

Dermatologie

Biométrie

Apprentissage machine

Generative Adversarial Networks

Deep-learning

Dermatology

Biometrics

Machine-learning

Résumé

Avec l'émergence de l'intelligence artificielle et la disponibilité de calculateurs performants, l'utilisation de méthodes de « Machine-learning » a permis de résoudre des problèmes complexes dans les différents domaines d'application. En considérant le domaine biomédical, cette thèse s'inscrit dans la continuité de travaux antérieurs effectués au laboratoire LiSSi visant des applications en dermatologie. En s'inspirant d'approches biométriques faciales, un des objectifs consiste à utiliser, entre autres, les Réseaux Antagonistes Génératifs afin de générer des visages 3D artificiels présentant des pathologies particulières. Cette contribution peut avoir un impact sur la génération de grandes bases de données.

With the emergence of artificial intelligence and the availability of high-performance computers, the use of 'Machine-learning' methods has made it possible to solve complex problems in different fields of application. Considering the biomedical field, this thesis follows on from previous work carried out at the LiSSi laboratory aimed at applications in dermatology. Drawing inspiration from facial biometric approaches, one of the objectives is to use, among other things, Generative Adversarial Networks to generate artificial 3D faces with specific pathologies. This contribution can have an impact on the generation of large databases.