Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

23 avril 2019

Segmentation d’images FIB-SEM par apprentissage profond pour le diagnostic de la leucémie lymphoïde chronique


Catégorie : Doctorant


Sujet de thèse : Segmentation d’images FIB-SEM par apprentissage profond pour le diagnostic de la leucémie lymphoïde chronique
Date de début : 1er septembre 2019
Direction : Benoît Naegel (ICube, Université de Strasbourg) b.naegel@unistra.fr, Patrick Schultz (IGBMC) patrick.schultz@igbmc.fr
 
Une thèse en apprentissage profond appliqué à l'imagerie biologique est à pourvoir au laboratoire ICube de l'Université de Strasbourg, en collaboration avec l'IGBMC.
 

L’objectif est le développement de méthodes de segmentation robustes dédiées à l’imagerie biologique couplant apprentissage profond et opérateurs connexes dans un but de description quantitative de l’organisation tridimensionnelle des cellules. Ce sujet, à l’interface de l’imagerie biologique (équipe Schultz, IGBMC) et de l’analyse numérique des images (équipe IMAGeS, ICube) se prolonge à travers une collaboration avec une équipe de cliniciens de l’hôpital de Hautepierre (Dr L. Mauvois, UMR S-1113) sur l’étude morphologique de différentes populations de cellules lymphoïdes B normales et provenant de patients atteints de leucémie lymphoïde chronique, l’objectif étant de pouvoir améliorer le diagnostic des différentes formes ou stades de la maladie.

 
Description du sujet : http://images.icube.unistra.fr/en/img_auth.php/8/86/2019-These-Schultz_Naegel.pdf
 
English version : http://images.icube.unistra.fr/fr/img_auth.php/3/32/2019-These-Schultz_Naegel-en.pdf
 
Compétences requises :
 
 
Contact :

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2019.