Animé par Emmanuel Cohen, Data Scientist spécialisé en Computer Vision.
Le programme de la matinée est ouverte à tous tandis que les tutoriels de l’après-midi sont plutôt réservés aux profils experts data et requièrent une maîtrise de Python.
Programme de la journée :
Matinée (10h-11h30) :
Lecture : “La Computer Vision au service de l’imagerie médicale : enjeux et applications”
Objectifs : Comprendre comment les algorithmes actuels d’intelligence artificielle permettent l’analyse des images médicales, en s’appuyant sur des exemples concrets : amélioration de la qualité image, segmentation sémantique et quantification de structures biologiques, recalage d’images temporelles, aide au diagnostique en pathologie, …
Préparation de l’atelier de l’après-midi : présentation de la problématique, du dataset Kaggle, et des outils utilisés.
Après-midi (13h30-17h30):
Tutoriel 1 : “Annotations intelligentes pour la détection de tumeurs cérébrales en imagerie IRM”
Implémenter sous Python Jupyter Notebook un algorithme de segmentation de la zone tumorale au sein d’une IRM cérébrale, en utilisant la méthode des Level-Sets et l’algorithme du Fast-Marching. Cet algorithme sert de base pour faciliter l’annotation des images.
Tutoriel 2 : “Segmentation d’images médicales par Deep-Learning” :
Entraîner un modèle de deep-learning (architecture U-Net) sur la base d’images annotées, afin de prédire automatiquement la segmentation de la tumeur. Le même dataset sera utilisé sur les deux tutoriels.