Classification de lésions cutanées

Skin lesions classification

• Auteur / Autrice : Younes Habbal
• Direction : Lionel Fillatre
• Type : Projet de thèse
• Discipline(s) : Automatique traitement du signal et des images
• Date : Inscription en doctorat le 15/01/2025
• Etablissement(s) : Université Côte d'Azur
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : I3S - Informatique, Signaux et Systèmes de Sophia-Antipolis

Mots clés

Mots clés libres

Deep learning

Classification

Lésions cutanées

Deep learning

Classification

Skin lesions

Résumé

Les lésions cutanées sont une maladie grave à l'échelle mondiale. La classification automatique de lésions avec une gradation du niveau de confiance dans la classification serait donc un outil extrêmement utile dans le domaine médical. Il s'agit donc de développer un réseau de neurones profond pour classifier des images de lésions cutanées et proposer un score numérique qui mesure la qualité de la classification. La thèse se déroulera donc en 3 parties : - Concevoir une architecture ''deep learning'' qui classifie les lésions cutanées avec un indicateur de performance. - Faire une étude théorique et expérimentale pour calculer et/ou estimer les performances des outils proposés. - Rédiger un manuscrit de thèse.

Skin lesions are a serious disease worldwide. Automatic classification of lesions with a gradation of the level of confidence in the classification would therefore be an extremely useful tool in the medical field. Therefore, the goal is to make a deep neural network that can classify images of skin lesions and propose a numerical score that measures the quality of the classification. The thesis will be carried out in 3 parts: - Making a ''deep learning'' architecture that classifies skin lesions with a performance indicator. - Conducting a theoretical and experimental study to calculate and/or estimate the performances of the proposed tools. - Writing a thesis manuscript.