Aller au contenu principal
Accueil

Main navigation

  • Actualités
    • Toutes les actualités
    • Séminaires - Soutenances
  • Présentation
    • CREATIS
    • Organigramme
    • Personnels
    • Effectifs
    • Contacts
    • Accès
  • Recherche
    • Equipes de recherche
    • Projets transversaux
    • Projets Structurants
    • Plateformes d'imagerie
    • Rapports d'activités
    • Notes d'information données
  • Contributions
    • Publications
    • Brevets
    • Logiciels
  • Formations
    • Implications dans les formations
    • Ecoles doctorales
  • Emplois et Stages
  • French French
  • English English
Search API form
User account menu
  • Account
    • Se connecter

Fil d'Ariane

  1. Accueil
  2. Apprentissage profond de variétés pour une meilleure caractérisation de l’hypertension artérielle en imagerie échocardiographique

Apprentissage profond de variétés pour une meilleure caractérisation de l’hypertension artérielle en imagerie échocardiographique

Ajouter à mon calendrier
Google Agenda Outlook Calendrier

Le 6 mai 2024 à 14h30, 

Amphithéâtre de la BU Sciences de Lyon 1 (BU UCBL), 20 av. Gaston Berger, Villeurbanne

Nathan PAINCHAUD soutiendra sa thèse

« Apprentissage profond de variétés pour une meilleure caractérisation de l’hypertension artérielle en imagerie échocardiographique »

Résumé

L'hypertension artérielle est une maladie cardiovasculaire répandue, affectant plus de 1,2 milliard de personnes dans le monde. Son diagnostic est difficile en raison de la variété des symptômes et du manque d'outils d'analyse rapides et précis. Cette thèse propose une méthode d'apprentissage automatique pour analyser les données médicales, particulièrement les images échocardiographiques, et extraire des informations pertinentes pour le diagnostic de l'hypertension. Les méthodes proposées combinent des modèles d'apprentissage automatique avec des techniques d'apprentissage de représentation pour garantir la cohérence des prédictions et améliorer leur interprétabilité. Des descripteurs de forme et de déformation sont extraits des images segmentées et combinés avec des données des dossiers médicaux électroniques. Un transformeur multimodal est utilisé pour apprendre une représentation commune de ces données, capable de mettre en évidence le continuum pathologique de l'hypertension. L'application de la méthode à une population de patients a permis de détecter des profils subtils de formes et de déformations corrélés avec l'hypertension. Ces résultats ouvrent la voie à de nouvelles études sur les mécanismes pathologiques de l'hypertension et à l'amélioration du diagnostic de la maladie.

Le jury sera composé de :

M. Olivier BERNARD

Directeur de thèse

Professeur des Universités

INSA de Lyon / CREATIS

M. Pierre-Marc JODOIN

Co-directeur de thèse

Professeur Agrégé

Université de Sherbrooke

M. Nicolas THOME

Rapporteur

Professeur des Universités

Université de la Sorbonne

Mme Gemma PIELLA

Rapporteur

Professeur Agrégé

Universitat Pompeu Fabra

Mme Isabelle BLOCH

Examinatrice

Professeur des Universités

Université de la Sorbonne

M. Maxime DESCOTEAUX

Examinateur

Professeur Agrégé

Université de Sherbrooke

Orateur

Nathan Pinchaud

Lieu

Amphithéâtre de la BU Sciences de Lyon 1 (BU UCBL)

Date - horaires

lun 06/05/2024 - 14:30

Type d'évenement

Soutenance de thèse

Téléchargements

Barre liens pratiques

  • Authentication
  • Intranet
  • Flux rss
  • Creatis sur Twitter
  • Webmail
Accueil

Footer menu

  • Contact
  • Accès
  • Newsletter
  • Mentions Légales