Sujet de stage
Titre :
Classification multi-modale de données spectroscopiques in vivo pour le diagnostic différentiel de cancers cutanés
Dates :
2026/02/18 - 2026/08/30
Etudiant :
Encadrant(s) :
Description :
La caractérisation in vivo des tissus biologiques est un enjeu fondamental pour le diagnostic et le suivi rapide et non invasif des cancers cutanés. Dans ce contexte, les méthodes de spectro-imagerie optique tissulaire jouent un rôle de premier plan. Le dispositif SpectroLive a ainsi permis l'acquisition clinique d'une base de données contenant les spectres d'autofluorescence (AF) et de réflectance diffuse (RD) de différentes lésions cutanées, labellisées comme cancéreuses, pré-cancéreuses ou saines. Par ailleurs, des captures haute résolution (HR) des lames de tissu sur lesquelles ont été effectués les examens anatomopathologiques ayant permis cette catégorisation sont également disponibles.
L'objectif de ce stage sera de mettre en oeuvre et de tester des méthodes d'apprentissage automatique pour la classification des différentes lésions, tirant parti des trois modalités AF, RD et HR disponibles.
1) Segmentation des images HR de coupes
La segmentation des zones lésionnelles sur les coupes tissulaires HR permettrait de complémenter les diagnostics anatomopathologiques acquis, et ainsi d'aller vers des caractérisations plus précises des tissus (stades des pathologies, etc...). On adaptera des approches fondées sur des réseaux de neurones existants pour réaliser cette tâche.
2) Classification multi-modale
L'utilisation jointe des modalités AF et RD pour la classification des spectres est un enjeu important du traitement des données spectroscopique disponibles. Un précédent travail a souligné l'intérêt des distances de transport optimal pour le clustering des spectres. Nous nous intéresserons ici à des extensions permettant d'intégrer les deux modalités simultanément, telle que le transport optimal vectoriel.
L'objectif de ce stage sera de mettre en oeuvre et de tester des méthodes d'apprentissage automatique pour la classification des différentes lésions, tirant parti des trois modalités AF, RD et HR disponibles.
1) Segmentation des images HR de coupes
La segmentation des zones lésionnelles sur les coupes tissulaires HR permettrait de complémenter les diagnostics anatomopathologiques acquis, et ainsi d'aller vers des caractérisations plus précises des tissus (stades des pathologies, etc...). On adaptera des approches fondées sur des réseaux de neurones existants pour réaliser cette tâche.
2) Classification multi-modale
L'utilisation jointe des modalités AF et RD pour la classification des spectres est un enjeu important du traitement des données spectroscopique disponibles. Un précédent travail a souligné l'intérêt des distances de transport optimal pour le clustering des spectres. Nous nous intéresserons ici à des extensions permettant d'intégrer les deux modalités simultanément, telle que le transport optimal vectoriel.
Mots clés :
Segmentation, classification, multi-modalités, transport optimal
Département(s) :
| Biologie, Signaux et Systèmes en Cancérologie et Neurosciences |