Apprentissage de dictionnaire et réseaux de neurones à convolution pour la segmentation d'image de rétine
La segmentation d'images de rétine (SIR) (c est-à-dire la segmentation des vaisseaux sanguins et/ou du disque optique) peut servir de repère pour diagnostiquer, traiter et surveiller des maladies telles que la rétinopathie diabétique, l'hypertension, l'artériosclérose et le glaucome.D...
Đã lưu trong:
| Tác giả chính: | |
|---|---|
| Tác giả khác: | , , , , , |
| Định dạng: | Thèse numérique |
| Ngôn ngữ: | Anglais |
| Được phát hành: |
2019.
|
| Những chủ đề: | |
| Truy cập trực tuyến: | Accès au texte intégral http://www.theses.fr/2019ISAB0002/abes |
| Chú thích: |
Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire d'Informatique Fondamentale et Appliquée de Tours (2012-...) (Laboratoire) Autre(s) contribution(s) : Rachid Jennane (Président du jury) ; Hubert Cardot, Sébastien Lefèvre, Olivier Lézoray, Julien Olivier, Hélène Laurent, Rachid Jennane (Membre(s) du jury) ; Sébastien Lefèvre, Olivier Lézoray (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Dictionary learning and convolutional neural networks for retinal image segmentation |
| Tóm tắt: | La segmentation d'images de rétine (SIR) (c est-à-dire la segmentation des vaisseaux sanguins et/ou du disque optique) peut servir de repère pour diagnostiquer, traiter et surveiller des maladies telles que la rétinopathie diabétique, l'hypertension, l'artériosclérose et le glaucome.Dans cette thèse, nous avons étudié divers modèles d apprentissage sur la tâche de SIR, à savoir les approches d apprentissage discriminant de dictionnaire (ADD). et celles basées sur réseaux de neurones artificiels (RNA).Dans la première partie, quatre modèles basés sur l'ADD sont expérimentés sur la tâche de la segmentation des vaisseaux sanguins rétiniens. Elles proviennent d'un état de l'art initial sur les modèles basés ADD qui ont été regroupés en quatre catégories.Les résultats numériques montrent l'efficacité des quatre méthodes par rapport à d'autres modèles de la littérature qui ne sont pas basés sur les RNA. Nous nous sommes ensuite orientés vers les modèles basés sur les RNA pour la SIR.La deuxième partie est consacrée aux modèles d apprentissage profond qui, en général, nécessitent un grand nombre d échantillons d'apprentissage. Une exigence difficile à satisfaire dans le domaine médical.Ce problème peut généralement être évité avec une initialisation appropriée des poids : par augmentation des données et/ou par transfert de connaissance. Nous avons proposé un cadre associant ces deux techniques et permettant d'apprendre des réseaux conçus de manière arbitraire qui segmentent une image en un seul passage, en mettant l accent sur des bases de données relativement petites.Un travail expérimental a été réalisé sur quatre bases de données publiques en utilisant trois types d'architecture de réseau. Les résultats finaux montrent l'efficacité du cadre proposé par rapport aux méthodes récentes de la littérature. In this thesis, we explored various learning based models on the task of RIS, namely discriminative dictionary learning (DDL) approaches and artificial neural networks (ANNs) ones.In the first part, four DDL-based models are experimented on the task of retinal blood vessel segmentation. The later are obtained from an initial state-of-the-art review that groups the DDL-based models into four categories.The final results show the effectiveness of the four methods compared with other state-of-the-art (non-ANN based) models. We then turn to study ANN-based models on the task of RIS.The second part is dedicated to deep learning based models which, generally, require a large number of samples for appropriate training, arequirement that is difficult to satisfy in the medical field. This issue can usually be avoided with a proper initialization of the weights: data augmentation and/or transfer learning.We proposed a framework that brings together these two techniques and can train arbitrarily designed networks that segment an image in one forward pass, with a focus on relatively small databases.An experimental work have been carried out on four publicly available databases using three types of network architecture. The final results show the efficiency of the proposed framework along with state-of-the-art results on all the databases. |
|---|---|
| Mô tả sách: | Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire d'Informatique Fondamentale et Appliquée de Tours (2012-...) (Laboratoire) Autre(s) contribution(s) : Rachid Jennane (Président du jury) ; Hubert Cardot, Sébastien Lefèvre, Olivier Lézoray, Julien Olivier, Hélène Laurent, Rachid Jennane (Membre(s) du jury) ; Sébastien Lefèvre, Olivier Lézoray (Rapporteur(s)) |
| Định dạng: | Configuration requise : un logiciel capable de lire un fichier au format : PDF |