Résumé
Le diagnostic des lésions hépatiques est une tâche complexe surtout lorsque les nodules détectés sont de petites tailles. Dans ce cas, il devient très difficile de connaitre leurs natures (tumeur bénigne ou maligne, type de lésion, etc). Dans des cas similaires, il faut répéter des examens cliniques pendant plusieurs mois pour voir l’évolution des masses hépatiques. Afin de mieux répondre à ces problèmes, il faut trouver des solutions informatiques qui servent à l’optimisation du diagnostic des tumeurs du foie. Dans le contexte de la classification des lésions hépatiques, nous avons développé une première approche ontologique (OntHCC) pour l’aide au diagnostic, à la stadification et au choix de traitement des tumeurs CHC (Carcinome Hépatocellulaire). Cette approche est fondée sur l’analyse d’images IRM de foies infectés et sur des rapports radiologiques. Par la suite, nous avons proposé une deuxième approche ontologique (MROnt) pour la modélisation de l’information médicale contenue dans les rapports radiologiques, dans le cadre du diagnostic et de suivi de tumeurs du foie. La détection automatique des tumeurs du foie nécessite un processus de diagnostic primaire en utilisant obligatoirement les images médicales (par exemple IRM ou scanner). Pour ce faire, nous avons intégré l’apprentissage profond dans la classification d’images IRM avec prise de contraste. Dans la suite de la thèse et afin d’accroitre la performance du processus de classification des images, nous avons intégré les connaissances sémantiques. L’objectif est de profiter de la base de connaissances offerte par les ontologies pour décrire les images médicales et fournir des informations sur les tumeurs détectées (par exemple, le type, la taille et le stade). En outre, notre approche consiste à développer un CNN multi-label afin de supporter les ontologies développées (OntHCC et MROnt). Nous montrons l’efficacité des approches et prototypes proposés dans ces travaux de thèse à travers des évaluations numériques comparatives et des études de cas.
Source: http://www.theses.fr/2021UCFAC029
.