Post-Doc researcher

 

Adrien FOUCART

Adrien FOUCART adrien.foucart@ulb.be Ecole polytechnique de Bruxelles
Campus du Solbosch - CP 165/57
Avenue F.D. Roosevelt, 50
1050 Bruxelles

PhD Thesis

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.

Master Thesis (in french)

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.

Teaching

  • INFO-H-400 Medical Information Systems
  • INFO-H-500 Image acquisition and processing
  • INFO-H-501 Pattern recognition and image analysis

Publications

See more on Difusion
 

Last conference papers

Processing multi-expert annotations in digital pathology: A study of the Gleason2019 challenge

Foucart, A., Debeir, O., & Decaestecker, C. (2021). Processing multi-expert annotations in digital pathology: A study of the Gleason2019 challenge. Proc. SPIE 12088, 17th International Symposium on Medical Information Processing and Analysis. Vol. 120880X International Symposium on Medical Information Processing and Analysis(17th: Campinas, Brazil). doi:10.1117/12.2604307  

 

SNOW: Semi-Supervised, NOisy and/or Weak Data for Deep Learning in Digital Pathology

Foucart, A., Debeir, O., & Decaestecker, C. (2019). SNOW: Semi-Supervised, NOisy and/or Weak Data for Deep Learning in Digital Pathology. In 2019 IEEE 16th International Symposium on Biomedical Imaging (ISBI 2019) (pp. 1869-1872) IEEE. doi:10.1109/ISBI.2019.8759545  

 

Artifact Identification in Digital Pathology from Weak and Noisy Supervision with Deep Residual Networks

Foucart, A., Debeir, O., & Decaestecker, C. (2018). Artifact Identification in Digital Pathology from Weak and Noisy Supervision with Deep Residual Networks. The 4th International Conference on Cloud Computing Technologies and Application (CloudTech'18)(Novembre 26-28, 2018: Brussels, Belgium) doi:10.1109/CloudTech.2018.8713350  

 

Unsupervised vehicle detection in traffic scene using distributed one class classifiers

Foucart, A., & Debeir, O. (2012). Unsupervised vehicle detection in traffic scene using distributed one class classifiers. International Symposium on signal, Image, Video and Communications (6 June 2012)  

 



 
Updated on November 23, 2022