Back to search

École de technologie supérieure

Segmentation d’images médicales semi-supervisée par curriculum via l’inférence des boîtes englobantes

Abstract

dc:description

Cette recherche concerne les difficultés que pose la collection d’annotations, complètes et suffisantes, pour entrainer les réseaux de neurones en segmentation sémantique d’images médicales. Nous adoptons l’axe de recherche qui consiste à exploiter les connaissances a priori de l’organe à segmenter, pour contraindre directement les segmentations prédites. Plus précisément, les images non annotées sont exploitées en utilisant des boîtes englobantes prédites par un réseau de neurones auxiliaire. Ces boîtes inférées sont ensuite utilisées pour imposer des contraintes directes sur la taille, la position globale ainsi que la topologie de l’organe, dans les segmentations prédites correspondantes. Nous proposons une première évaluation des performances possibles, en utilisant un réseau de neurones auxiliaire entièrement convolutif pour l’inférence des boîtes englobantes. Les résultats de nos expérimentations sur deux jeux de données de petite taille montrent une augmentation des performances, de 0.3 à 4.4% (mesurée avec l’indice de Sørensen-Dice), par rapport à la supervision totale, lorsqu’on utilise le même nombre d’annotations. Nous recommandons, entre autres, une étude qui remplace le modèle auxiliaire par une architecture de détection classique (RPN, SSD, etc.), afin de mieux cerner l’étendue des performances de cette stratégie.

Degree

thesis:*
Name thesis:degree_name
Mémoire de maîtrise électronique
Level thesis:degree_level
masters
Grantor dc:publisher
École de technologie supérieure
Year dc:date
2021

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • Cyusa Mukama, Bruce

Subjects

dc:subject × 1

Rights

Language dc:language
fr

Identifiers

dc:identifier.*
Identifier
INSERT-YOUR-LIBRARY-ID-HERE2945

Chain of custody

source
Harvested from
ETS (Quebec)
Base URL
espace.etsmtl.ca/cgi/oai2
Last updated
2026-11-18
Source record
OAI-PMH GetRecord
citation

Cyusa Mukama, Bruce. Segmentation d’images médicales semi-supervisée par curriculum via l’inférence des boîtes englobantes. masters thesis, École de technologie supérieure, 2021.