Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

15 janvier 2019

Apprentissage profond pour l’aide au diagnostic du mélanome à partir d’exemples


Catégorie : Stagiaire


Contexte :

L’équipe « Images & Modèles » du laboratoire LIS est spécialisée dans l’analyse d’images, avec une partie de son activité portée sur la caractérisation des images par des techniques d’apprentissage et de classification.

 

Sujet :

Le mélanome est un problème majeur de santé publique : 10 000 nouveaux cas par an en France, occasionnant 1700 décès. Sur 100 décès liés à un cancer de la peau, 80 sont dus à un mélanome. Le nombre de nouveaux cas annuels de mélanomes augmente de 5% par an depuis 50 ans, une croissance supérieure à celle de tout autre cancer (INCa, les cancers en France, janvier 2014). Si le diagnostic intervient tôt dans l’évolution de la lésion, le taux de survie relative à 5 ans est de 88% pour les stades localisés. A contrario, la survie à 5 ans d’une personne atteinte d’un mélanome à un stade avancé, avec des métastases est très inférieure à 20% [1]. Détecter un mélanome à un stade précoce, alors que relativement peu de signes de malignité sont visibles sur la lésion est donc très souhaitable, mais cette opération est difficile.

Les travaux de recherche menés précédemment dans l’équipe I&M ont montré que les classifieurs automatiques basés sur des approche SVM sont plus efficaces que les humains pour le diagnostic des lésions atypiques [2]. Des travaux récents [3] fondés sur une approche par apprentissage profond (Deep learning) arrive à la même conclusion et surpasse 58 dermatologues pour le diagnostic des mélanomes.

L'objectif de ce stage est donc de tester des techniques de deep learning pour construire de manière supervisée des descripteurs pertinents en vue d'établir des matrices de similitude entre lésions mélanocytaires.

 

Profil recherché :

- Formation Master 2 Recherche ou professionnel ou École d’Ingénieur.

- Compétences en apprentissage/classification, traitement d’images, vision par ordinateur.

- Compétences en programmation.

 

Laboratoire d’accueil : Laboratoire LIS, équipe Image & Modèles.

Encadrement : Jean-Luc Damoiseaux (email : jean-luc.damoiseaux@univ-amu.fr)

Indemnité mensuelle : Environ 550 euros

Lieu du stage : Marseille, campus Luminy
Durée : 5 mois


Date de démarrage : Dès que possible


Autres : possibilité de poursuivre en thèse

 

 

Références Bibliographiques :

 

[1] Robert C, Cavalcanti A, Kolb F, Sarfati B, Moya-Plana A, Tomasic G, Mateus C. Prise en charge du mélanome. Rev Prat 2014 ;64(1):75-80).

[2] C Gaudy-Marqueste, Y Wazaefi, Y Bruneu, R Triller, L Thomas, G Pellacani, J Malvehy, MF Avril, S Monestier, MA Richard, B Fertil, JJ Grob. Ugly Duckling Sign as a Major Factor of Efficiency in Melanoma Detection. JAMA Dermatol. 2017 Apr 1;153(4):279-284

[3] Haenssle HA, Fink C, Schneiderbauer R, Toberer F, Buhl T, Blum A, Kalloo A, Hassen ABH, Thomas L, Enk A, Uhlmann L. Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists, Ann Oncol. 29(8):1836-1842 (2018)

Dans cette rubrique

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