Image segmentation using convolutional neural networks (Application to dermoscopy)

Abstract

Cette thèse fait partie du domaine de la segmentation d’image et s’intéresse particulièrement à la segmentation automatique des lésions cutanées à partir d’images dermoscopiques. La segmentation automatisée et précise des lésions cutanées est une étape importante des systèmes de diagnostic assisté par ordinateur pour la détection du mélanome. Bien que de nombreuses méthodes aient été proposées dans la littérature, cette tâche reste difficile en raison de divers facteurs liés à l’image de la peau capturée, tels que la présence de poils et de vaisseaux sanguins, le faible contraste de la lésion et sa peau saine environnante. Certaines lésions ont des bordures floues, de grandes variations de tailles et de couleurs et des textures complexes.Récemment, nous avons assisté à un grand succès de l’utilisation de l’apprentissage profond et en particulier des réseaux de neurones convolutifs (CNN) dans la segmentation sémantique et l’analyse de l’image médicale. Pour faire face au défi de la segmentation des lésions cutanées, nous proposons des modèles basés sur les CNNs et notamment l’architecture U-Net (encodeur-décodeur). Pour démontrer la robustesse et l’efficacité des méthodes proposées par rapport aux autres modèles d’apprentissage profond, les résultats expérimentaux sont rapportés sur trois ensembles de données, y compris le Symposium international de l’IEEE sur l’imagerie biomédicale (ISBI) 2017, ISBI 2016 et PH2.