Dr. Ir. Adrien FOUCART

Deep Learning in digital pathology

Whole-slide imaging in histology produces a large amount of raw image data. Many different computer vision tasks may be performed on this data: segmentation of structures of interest (nuclei, glands...), detection of events (mitosis...), classification of tissues (cancer grading...). The objects of interests in digital pathology tend to be hard to describe using traditional image processing features. This makes digital pathology a prime candidate for Deep Learning methods.

Extraction de paramètres morphologiques de neurones à partir d'images obtenues par microscopie confocale à balayage laser

Avec : Olivier Debeir, David Gall.

Dans le cadre de la recherche en neurophysiologie, il est nécessaire de pouvoir extraire des informations quantitatives sur la morphologie de différentes populations de neurones. Ces mesures permettent de déterminer l'influence de certaines protéines sur le développement des neurones, et donc d'atteindre une meilleure compréhension de phénomènes tels que les maladies dégénératives (Parkinson, Alzheimer...) ou le vieillissement. Les images sont acquises à l'aide d'un microscope confocal à balayage laser : on dispose alors d'une série d'images en coupe du neurone, ce qui permet d'en effectuer une reconstruction tri-dimensionnelle. Les algorithmes développés dans le cadre de cette recherche concernent principalement l'extraction du graphe caractéristique de la ramification des dendrites dans le neurone, ainsi que sa segmentation précise pour pouvoir effectuer dessus des mesures correctes. Ce projet de recherche est réalisé en collaboration avec le Laboratoire de Neurophysiologie de la faculté de Médecine.

• 2024-2025 : STAT-H-400  Multivariate data analysis

See more on Difusion
 

Last conference papers

En attente des données.
Rafraîchir.