Flora ESTERMANN : Détection et segmentation d’anomalies en imagerie ultrasonore 3D par des approches faiblement supervisées ou non supervisées

du 01/10/2021 au 30/09/2024

Laboratoires : CREATIS et LVA Directeurs de thèse : Philippe Delachartre (CREATIS) Encadrants : Philippe Guy (LVA) et Valérie KAFTANDJIAN (LVA)

Résumé :
Dans certains domaines comme le domaine médical ou le domaine industriel, on est amené à rechercher la présence d’anomalies internes (non visibles en surface) et à caractériser les anomalies détectées. Un moyen d’accéder à ces anomalies est l’imagerie qui peut être 2D ou 3D et de différente modalité (Rayon X, ultrasons, IRM...).

Nous nous intéressons ici à l’imagerie ultrasonore 3D appliquée au domaine médical pour la quantification des lésions de la matière blanche et au domaine industriel pour le diagnostic de défaut.

Nous souhaitons ainsi développer des méthodes par apprentissage combinant des approches à faible supervision et sans supervision avec prise en compte des incertitudes sur les labels pour la détection et segmentation d’anomalies dans des volumes de données ultrasonores. On cherchera également à vérifier que les méthodes développées puissent fonctionner sur des modalités différentes comme les rayons X par exemple (en effet les anomalies se caractérisent aussi par un faible contraste dans un environnement bruité).