Faire progresser l'imagerie du sein grâce à la fusion de données et à l'apprentissage par transfert : une exploration complète - CentraleSupélec Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Faire progresser l'imagerie du sein grâce à la fusion de données et à l'apprentissage par transfert : une exploration complète

Résumé

La convergence entre la physique et les réseaux neuronaux transforme profondément l'imagerie du sein. Nos travaux ont pour but de reconstruire de manière conjointe deux modalités afin d'augmenter la détection précoce des tumeurs du sein. Nous avons développé des algorithmes permettant reconstruire conjointement une image micro-onde, une image acoustique et une image de segmentation conjointe aux deux modalités. Les algorithmes que l’on propose utilisent l'apprentissage par transfert pour améliorer l’apprentissage de d’une modalité à partir de l’autre. Ceci améliore la classification des lésions mammaires en transférant des connaissances entre différentes physiques et modalités.
Noël-etal-AG_GDR_Marseille_2023.pdf (447.19 Ko) Télécharger le fichier
Fichier non déposé

Dates et versions

hal-04364586 , version 1 (08-01-2024)

Identifiants

  • HAL Id : hal-04364586 , version 1

Citer

Valentin Noël, Thomas Rodet, Dominique Lesselier. Faire progresser l'imagerie du sein grâce à la fusion de données et à l'apprentissage par transfert : une exploration complète. Dixième Conférence Plénière du GDR ONDES, GDR ONDES, Dec 2023, Marseille, France. ⟨hal-04364586⟩
39 Consultations
4 Téléchargements

Partager

Gmail Facebook X LinkedIn More