Segmentation des polypes colorectaux par les réseaux de neurones entièrement convolutifs

Abstract

La détection et la segmentation des polypes en coloscopie est une tâche dif- ficile en raison des variations de taille, de forme, de texture des polypes ainsi que les différents types de cellules. De plus, cette procédure dépend fortement des compétences et de l’expérience de la personne qui manipule l’endoscope, ce qui se traduit par une forte variation de l’opérateur et des performances. Ac- tuellement, les avancées des modèles à base d’apprentissage profond (DL Deep Learning) ont bouleversé le monde de la santé par la proposition de nouvelles méthodes de segmentation d’images aboutissant à des taux de précision les plus élevés sur les bases d’images médicales. L’objectif de ce travail est d’acquérir une compréhension approfondie du do- maine de la segmentation sémantique d’images ainsi qu’une connaissance du do- maine de DL, en proposant une étude comparative de deux réseaux entièrement convolutifs (FCN Fully Convolutional Networks) pour la segmentation des po- lypes colorectaux, à savoir un modèle hybride U-Net avec post-traitement par les morphologies mathématiques et le modèle SegNet.