Évènements

10 Nov
10/11/2021 14:00

Sciences & Société

Soutenance de thèse : Maxime DI FOLCO

Apprentissage statistique des interactions entre forme et déformation cardiaques

Doctorant : Maxime DI FOLCO

Laboratoire INSA : CREATIS
Ecole doctorale : EDA160 : Électronique, Électrotechnique, Automatique

L'imagerie médicale est en mesure de fournir des descripteurs hautes-dimensions permettant de caractériser l'apparition ou l'évolution d'une pathologie (dans notre cas pour l'étude de la fonction cardiaque). Ils sont cependant sous-exploités en routine clinique notamment en raison de la difficulté de leur analyse.
Des méthodes d'anatomie computationnelle ou d'apprentissage de variétés permettent d'exploiter ces représentations hautes-dimensions des descripteurs pour un individu ou une population. Néanmoins, ces méthodes ne considèrent généralement qu'un aspect de la fonction cardiaque à la fois alors que certains descripteurs peuvent être liés selon la pathologie, comme pour la forme et la déformation cardiaque.
Dans ce manuscrit, nous explorons des approches pour étudier les interactions entre la forme et la déformation cardiaques évaluées par des descripteurs de hautes dimensions. Nous proposons une stratégie, pour caractériser ce lien partiellement connu, basée sur une méthode d'apprentissage non-linéaire (alignement de variétés multiples), qui a seulement été utilisée pour des descripteurs pour lesquels le lien existe naturellement (i.e. de même variété) et démontrons sa pertinence pour plusieurs pathologies du ventricule droit. Nous avons aussi évalué le bénéfice de prendre en compte le lien entre les descripteurs, par rapport à considérer chaque descripteur individuellement ou relier différemment leurs représentations respectives. Nous avons enfin étudié l'influence de stratégies de normalisation des descripteurs sur notre approche ce qui a mis en évidence un possible biais introduit par les choix faits de normalisation et montré qu’un choix approprié dépend de l’objectif de l’étude.
Ces analyses ouvrent la voie à l'exploitation de ces représentations simplifiées de données complexes pour des challenges plus applicatifs comme la quantification de risques.

Información adicional

  • Amphithéâtre de la bibliothèque Universitaire de l'Université Lyon 1 - (Villeurbanne)