Contributions à l'analyse d'images par apprentissage profond : application à la santé de précision

Abstract

Le domaine de la vision par ordinateur a connu ces dernières années une évolution exceptionnelle stimulée par le développement des techniques d'intelligence artificielle et particulièrement des algorithmes d'apprentissage profond. En effet, grâce à ces algorithmes, la performance de l'analyse et de la compréhension visuelle s'est considérablement améliorée ouvrant la voie à des applications à la fois innovantes et spécialisées notamment dans le domaine de la santé. Sur ce dernier axe, la précision des modèles prédictifs à développer constitue un élément clés pour garantir le succès des solutions offertes, couvrant les différents besoins d'aide au diagnostic médical, à la surveillance des maladies et à la recherche de nouveaux médicaments. Pour atteindre cet objectif, ces modèles d'analyse doivent faire face à plusieurs verrous scientifiques liés entre autres à la complexité des images, leur variabilité et leur qualité dégradée en raison des environnements d'acquisition particuliers. A cela, s'ajoutent des contraintes liées à l'accessibilité limitée des données nécessaires pour l'entraînement des modèles et à l'opérabilité avec une faible latence des modèles entraînés. Ce mémoire d'Habilitation à Diriger des Recherche présente une synthèse de mes travaux conduits pour le développement de nouvelles applications de santé de précision. Il met l'accent sur les approches d'aide à la décision proposées et les méthodologies développées notamment en termes de construction de modèles d'apprentissage machine ciblés et de chaînes de traitement spécifique pour faire face aux divers verrous. Dans ce sens, il présente plusieurs cas d'usage en lien avec l'analyse de l'imagerie endoscopique pour l'amélioration de la précision du processus d'insémination des vaches et l'analyse de l'imagerie microscopique pour l'aide au diagnostic de parasites notamment dans le corps humain et l'amélioration du processus de recherche de médicaments contre le cancer. Ces cas sont accompagnés d'études expérimentales ayant permis de démontrer l'efficacité de nos méthodes et leurs supériorités en termes de performances en comparaison avec l'état de l'art. Enfin, quelques nouvelles pistes de recherche sont livrées pour le développement de projets en perspective des travaux présentés.