Vous êtes ici : Accueil » Réunions » Réunion

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Segmentation d'images biomédicales : quels outils pour l'analyse des données massives, hétérogènes et multimodales ?

Nous vous rappelons que, afin de garantir l'accès de tous les inscrits aux salles de réunion, l'inscription aux réunions est gratuite mais obligatoire.

S'inscrire à la réunion.

Inscriptions

41 personnes membres du GdR ISIS, et 40 personnes non membres du GdR, sont inscrits à cette réunion.
Capacité de la salle : 120 personnes.

Instructions pour une demande de mission par le GdR ISIS

Le GdR ISIS prend en charge les déplacements des organisateurs des réunions et des orateurs. Le GdR prend aussi en charge les déplacements des participants aux réunions membres d'un laboratoire adhérent du GdR dans la limite d'un doctorant et d'un permanent par laboratoire académique et par réunion, ou d'une personne par adhérent du club des partenaires et par réunion.

La plus grande partie du budget du GdR ISIS est consacrée à la prise en charge de ces missions. Pour que le GdR puisse financer le plus grand nombre de réunions, les participants à ces réunions sont vivement incités à choisir les billets les moins chers. Seuls les billets de train ou d'avion en deuxième classe, non échangeables et non remboursables sont pris en charge. Le GdR se réserve le droit de refuser une demande de billet dont le prix excède la moyenne des prix couramment pratiqués pour le trajet de la mission.

Pour le transport et pour l'hébergement, vous êtes priés d'utiliser le portail SIMBAD du CNRS si vous en avez la possibilité. Cela est en particulier obligatoire si vous êtes membre d'une unité CNRS (UPR, UMR, UMI, URA, FRE). Les réservations d'hôtel sont possibles si la réunion dure plus d'une journée ou si le lieu d'habitation le justifie. Dans le cas où le laboratoire n'est pas une unité CNRS, merci d'envoyer votre demande de prise en charge de la mission à l'adresse DR01.SoutienUnites@cnrs.fr en précisant que la mission relève du GdR ISIS. Si vous utilisez votre véhicule personnel pour une distance supérieure à 300 kilomètres (aller+retour), le GdR ISIS ne rembourse pas vos frais de transport.

Les demandes de mission et les réservations sur le site SIMBAD doivent impérativement être effectuées au moins deux semaines avant la date de la mission.

Aucun remboursement de frais de transport ou d'hôtel avancés par l'agent ne peut plus être effectué au retour de la mission.

Annonce

La segmentation d'images a fait l'objet de recherches très actives depuis plus d?une trentaine d'années. De nombreuses méthodes ont été proposées, fondées, par exemple, sur des approches variationnelles à partir de contours ou de régions predéfinies, des approches basées sur des propriétés statistiques et contextuelles, ou des approches utilisant des connaissances a priori, ou plus récemment sur des méthodes par apprentissage statistique. Néanmoins, cette problématique, parfois rebaptisée avec des dénominations plus attractives telles que "classification" ou "clustering", constitue toujours un défi du traitement de l'image, particulièrement pour l'imagerie biomédicale. La méthode de segmentation automatique idéale et générique n'existe pas encore ; les médecins ont souvent recours à des méthodes semi-automatiques générant des contours qu'ils doivent corriger manuellement. Cette étape constitue ainsi, pour un bon nombre d'applications, un facteur limitant à l'extraction d'information de plus haut niveau, telle que des paramètres de forme, des mesures quantitatives précises, ou l'extraction de certains biomarqueurs d'imagerie.

La recherche en segmentation d'images médicales conserve ainsi un dynamisme fort en se nourrissant des méthodes les plus avancées du traitement de l'image, de l'apprentissage statistique et de la fusion d'information, mais aussi des nouvelles problématiques liées à l'évolution des caractéristiques des données d'imagerie aujourd'hui plus massives, hétérogènes et multimodales.

Une revue récente de MEDIA (janvier 2017) sur le deep learning en imagerie médicale soulignait que 30% des applications de ces méthodes entre 2012 et 2017, concernaient des problématiques de segmentation.

L'objectif de cette journée est de faire un point sur les méthodes les plus innovantes et adaptées aux caractéristiques des données d'imagerie, et discuter des perspectives de recherche à explorer. Nous articulerons cette journée autour de présentations de trois orateurs invités qui couvriront un éventail de méthodes les plus performantes du domaine. Différents domaines d'application et différentes modalités seront couverts, dont la segmentation d'images cardiaques et neurologiques, ainsi que la segmentation massive d'images corps entier.

Nous aurons pour l'occasion des exposés pléniers de H. Müller, Professor in medical informatics at the University Hospitals of Geneva (https://www.hevs.ch/fr/rad-instituts/institut-informatique-de-gestion/collaborateurs/muller-1609), J. Cardoso, lecturer in the Translational Imaging Group (TIG) of UCL Centre for Medical image Computing (CMIC) in London (https://www.ucl.ac.uk/drc/drc-people/research-staff/m-jorge-cardoso), O.Commowick, chargé de recherches à l'INRIA (http://olivier.commowick.org/).

Nous entrelacerons ces exposés de présentations courtes. Si vous souhaitez présenter vos travaux, merci d'envoyer un titre et un résumé à l'équipe organisatrice avant le 5 mars 2018 :

Programme

9h30- 9h40 Présentation de la journée

9h40 - 10h40 Benchmarking image segmentation in VISCERAL: from manual annotation to segmentation techniques and comparisons of techniques

Henning. Müller, Professor in medical informatics at the University Hospitals of Geneva

10h40 - 11h00

11h00 - 11h20

11h20 - 11h40 Pause café

11h40 - 12h40 Towards Multiple Sclerosis Lesion Segmentation Transfer to the Clinics: Methods and Evaluation

Olivier Commowick, chargé de recherches à l'INRIA

12h40 - 14h00 Pause déjeuner

14h00- 15h00 Quantitative Neuroradiology: Machine Learning for Improved Patient Care

Jorge Cardoso, lecturer in the Translational Imaging Group (TIG) of UCL Centre for Medical image Computing (CMIC) in London

15h00 - 15h20

15h20 - 15h40

15h40 - 16h00 Pause café

16h00 - 16h20

16h20 - 16h40

16h40 - 17h00

17h00 - 17h15 Table ronde, tous les participants

Résumés des contributions

Présentation de Henning Müller

Title: Benchmarking image segmentation in VISCERAL: from manual annotation to segmentation techniques and comparisons of techniques

abstract: Many techniques exist for the segmentation of a variety of structures in the human body, from manually developing models for structures to data-driven approaches. Evaluation segmentation is not easy as usually human reference standards are taken, but humans usually do not agree on precise annotations, so there is substantial subjectivity in many annotation tasks.

The presentation will cover the experiences made in the VISCERAL organ segmentation benchmark, from the research infrastructure put in place to the comparison of several algorithms. The subjectivity of manual annotations will be explained and how quality will be assured. The advantages of being able to have executables and not only algorithm results results will be analysed as well. Several algorithms can also be used to create a silver standard for annotation and to automatically generate new training data.

Présentation de Olivier Commowick :

Title: Towards Multiple Sclerosis Lesion Segmentation Transfer to the Clinics: Methods and Evaluation

abstract : The processing of magnetic resonance images, especially lesions segmentation, has become a central part of multiple sclerosis diagnosis and prognosis in the past years. To advance the treatment of this disease, a large French cohort is being built at the national level in France (OFSEP). Such databases require precise, automatic, segmentation methods able to reproducibly process these large amounts of data, thereby enabling large cohort studies of disease evolution. The presentation will focus on two sides of this problem: recent developments around atlas-based and machine learning based lesion segmentation techniques, and the objective evaluation of automatic segmentation in MS using an automatic cloud processing infrastructure.

Présentation de Jorge Cardoso :

Title: Quantitative Neuroradiology: Machine Learning for Improved Patient Care

abstract:
Recent developments in artificial intelligence and the availability of large scale medical imaging datasets allow us to learn how the human brain truly looks like from a biological, physiological, anatomical and pathological point-of-view. This learning process can be further augmented by diagnostic and radiological report data available in clinical systems, providing an integrated view of the human interpretation of medical imaging data. This talk will present how these models can learn from big and unstructured data and then be used as tools for precision medicine, where we aim to translate advanced imaging technologies and biomarkers to clinical practice in order to streamline the clinical workflow and improve the quality of care. This process of technical translation requires deep algorithmic integration into the radiological workflow, fully automated image processing, quality control and assurance, extensive validation on clinical grade data, and the deployment of an automated reporting system that summarizes a complex set of imaging biomarkers, highlighting the presence of abnormalities.

Date : 2018-03-28

Lieu : Amphi Estaunié, Télécom Paristech


Thèmes scientifiques :
B - Image et Vision

(c) GdR 720 ISIS - CNRS - 2011-2018.