Conférence CRCHUS | Segmentation et explicabilité des réseaux de neurones pour l’imagerie médicale

Animée par Valentine Wargnier-Dauchelle, Michaël Sdika et Thomas Grenier

Date

19 juin 2026, 12 h à 13 h

Résumé | L’imagerie médicale est un outil fondamental pour diagnostiquer les maladies, suivre leur évolution mais aussi comprendre leur fonctionnement afin de mieux les soigner. Néanmoins, ces images, souvent 3D, sont longues à analyser pour le personnel médical. Des méthodes automatiques peuvent efficacement aider les médecins dans leur tâche.

Dans un premier temps, cette équipe du laboratoire CREATIS à l’INSA Lyon présentera comment la segmentation automatique par réseaux de neurones peut être utilisée pour des simulations numériques dans un contexte de jumeaux numériques à travers deux applications :la quantification d’obstruction nasale et l’estimation de la charge de rupture du fémur.

Puis, ils aborderont un point essentiel pour l’intégration en clinique de méthode d’apprentissage profond, souvent assimilés à des « boîtes noires » : l’interprétabilité et l’explicabilité. Pour cela, ils présenteront plusieurs approches utilisées sur diverses applications : la segmentation faiblement supervisée de lésions cérébrales, la prédiction du sepsis ou encore la détection de la MAFLD.

À propos des présentateurs

Valentine Wargnier-Dauchelle est maître de conférences au laboratoire de recherche CREATIS et à l'INSA Lyon, en France. Ses travaux de recherche portent notamment sur la vision par ordinateur et les méthodes d'apprentissage profond explicables pour l'analyse d'images médicales, avec des contributions dans des domaines tels que les réseaux neuronaux interprétables et la segmentation faiblement supervisée dans des contextes médicaux.

Michaël Sdika est ingénieur de recherche au laboratoire CREATIS à Lyon, en France. Ses recherches actuelles portent sur le développement de nouvelles méthodes d'IA pour l'analyse des données médicales. Ses principales contributions concernent le recalage d'images, la segmentation, le diagnostic assisté par ordinateur, l'apprentissage faiblement ou semi-supervisé et l'IA explicable.

Thomas Grenier est maître de conférences au département d'ingénierie électrique de l'INSA Lyon et au laboratoire CREATIS à Lyon, en France. Ses recherches portent sur l'analyse longitudinale de données médicales afin d'étudier l'évolution de pathologies cérébrales ou de l'activité fonctionnelle. Ces études impliquent une tâche de segmentation et des étapes de pré- et post-traitement dédiées. Des méthodes de clustering (décalage moyen spatio-temporel), semi-supervisés (multi-atlas avec apprentissage automatique) ou entièrement supervisés (DNN) sont utilisées pour résoudre ces problèmes en tenant compte de leurs contraintes spécifiques.

Conférence présentée au local X9-2999 et en ligne 

Télécharger l'affiche