Automatic early detection of knee osteoarthritis from plain radiographs using deep learning
Cette thèse se concentre sur l utilisation de l apprentissage profond pour mieux détecter l arthrose du genou (KOA) à un stade précoce à l aide d images radiographiques du genou. L étude commence par une nouvelle méthode qui combine un modèle d apprentissage spécial avec une stratégie de perte de fo...
Salvato in:
| Autore principale: | |
|---|---|
| Altri autori: | , , , , , |
| Natura: | Thèse numérique |
| Lingua: | Anglais |
| Pubblicazione: |
2024.
|
| Soggetti: | |
| Accesso online: | Accès réservé au texte intégral |
| Nota: |
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 : Institut Denis Poisson (Orléans, Tours ; 2018-....) (Laboratoire) Autre(s) contribution(s) : Carine Salliot (Président du jury) ; Mohamed Jarraya (Membre(s) du jury) ; Su Ruan, Antoine Vacavant (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Apprentissage profond pour la détection précoce de l'arthrose du genou à partir de radiographies simples |
| Riassunto: | Cette thèse se concentre sur l utilisation de l apprentissage profond pour mieux détecter l arthrose du genou (KOA) à un stade précoce à l aide d images radiographiques du genou. L étude commence par une nouvelle méthode qui combine un modèle d apprentissage spécial avec une stratégie de perte de fonction unique pour identifier les premiers stades de la KOA. Ensuite, un modèle appelé Auto-Encodeur convolutif est également utilisé pour créer de nouvelles données utiles, ce qui aide à disposer de plus d informations pour une meilleure analyse. Puis, une nouvelle stratégie combine le modèle Vision Transformer avec la méthode précédente pour rendre les prédictions plus précises. Enfin, une approche novatrice est introduite où les images radiographiques du genou sont utilisées pour créer des images IRM, qui sont utilisées conjointement avec les images radiographiques pour aider à mieux identifier les premiers stades de la KOA. Les expériences ont montré que ces nouvelles méthodes sont efficaces, menant à des améliorations significatives dans la détection précoce de l arthrose du genou, ce qui signifie que les médecins pourraient potentiellement trouver et traiter la KOA beaucoup plus tôt, aidant ainsi les patients à mieux gérer leur condition. This thesis focuses on using deep learning to better detect early knee osteoarthritis(KOA) using knee X-ray images. The study begins with a new method that mixes aspecial learning model with a unique function loss strategy for identifying early stages of KOA. Then, a model called a convolutional Auto-Encoder is also used to make new, useful data, which helps in having more information for better analysis. Then,a fresh strategy combines the Vision Transformer model with the previous method to make predictions more accurate. Finally, a novel approach is introduced where knee X-ray images are used to create MRI images, which are used together withX-ray images to help in better identifying the early stages of KOA. The experiments showed that these new methods are effective, leading to significant improvements in early detection of knee osteoarthritis, which means doctors could potentially find and treat KOA much earlier, helping patients manage their condition better. |
|---|---|
| Descrizione del documento: | 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 : Institut Denis Poisson (Orléans, Tours ; 2018-....) (Laboratoire) Autre(s) contribution(s) : Carine Salliot (Président du jury) ; Mohamed Jarraya (Membre(s) du jury) ; Su Ruan, Antoine Vacavant (Rapporteur(s)) |