Laboratoire de Recherche LATIS Laboratory of Advanced Technology and Intelligent Systems

Actualités

Appel à candidature thèse de doctorat
06 OCT
Appel à candidature thèse de doctorat

Intitulé du sujet : Détection automatique des cellules cancéreuses dans les images

Encadrants : -Najoua Essoukri Ben Amara, professeur ENISo-LATIS

                      -Hedi Yazid, Maître assistant, ISIMA-LATIS

d'images et de vision par ordinateur depuis de nombreuses années. Plus récemment, l'avènement de la pathologie numérique et la disponibilité de grandes quantités de scans numérisés ont déclenché un déluge de nouveaux développements méthodologiques dans ce domaine, ciblant principalement les systèmes d’aide à la décision. La thèse consiste à proposer une méthode de détection automatique des cellules cancéreuses dans des images histologiques variées. L’objectif est de pouvoir faire une classification du grade des tumeurs cancéreuses dans des images histologiques. La tâche de l'analyse automatisée des images histologiques n'est pas triviale en raison des caractéristiques uniques de l'imagerie histologique, y compris la variabilité des techniques de préparation d'images, les protocoles d'interprétation clinique et les structures complexes et la très grande taille des images elles-mêmes[1], [2]. Les techniques d’apprentissage automatique ont prouvé leur performance dans l’analyse des données dans le domaine médical dans un contexte d’un grand flux de données[3]. La thèse proposée rentre dans le cadre d’un projet de collaboration entre le laboratoire LATIS de l’Ecole Nationale d’Ingénieurs de Sousse et le service d’anatomie et cytologie pathologiques au CHRU Brest, France.

Profil du candidat :

Peuvent candidater à cet appel les diplômés en master/ingénieur en Informatique, Informatique appliquée, Traitement d’images et du signal ou équivalent.

Références :

[1] A. Das, M. S. Nair, et S. D. Peter, « Computer-Aided Histopathological Image Analysis Techniques for Automated Nuclear Atypia Scoring of Breast Cancer: a Review », J Digit Imaging, janv. 2020, doi: 10.1007/s10278-019-00295-z.

[2] D. Komura et S. Ishikawa, « Machine Learning Methods for Histopathological Image Analysis », Computational and Structural Biotechnology Journal, vol. 16, p. 34‑42, janv. 2018, doi: 10.1016/j.csbj.2018.01.001.

[3] C. L. Srinidhi, O. Ciga, et A. L. Martel, « Deep neural network models for computational histopathology: A survey », Medical Image Analysis, p. 101813, sept. 2020, doi: 10.1016/j.media.2020.101813.

Pré-requis :

  • Compétences en programmation
  • Maîtrise en techniques d’apprentissage automatique (dont apprentissage profond).
  • Bonnes compétences interpersonnelles
  • Bon niveau en anglais

Contact:

Les intéressés sont invités à envoyer un message à l’adresse suivante : najoua.benamara@eniso.rnu.tn en précisant dans l’objet du message « Offre de thèse »