Apprentissage profond de variétés pour une meilleure caractérisation de l’hypertension artérielle en imagerie échocardiographique

Le 6 mai 2024 à 14h30, 

Amphithéâtre de la BU Sciences de Lyon 1 (BU UCBL), 20 av. Gaston Berger, Villeurbanne

Nathan PAINCHAUD soutiendra sa thèse

« Apprentissage profond de variétés pour une meilleure caractérisation de l’hypertension artérielle en imagerie échocardiographique »

Résumé

L'hypertension artérielle est une maladie cardiovasculaire répandue, affectant plus de 1,2 milliard de personnes dans le monde. Son diagnostic est difficile en raison de la variété des symptômes et du manque d'outils d'analyse rapides et précis. Cette thèse propose une méthode d'apprentissage automatique pour analyser les données médicales, particulièrement les images échocardiographiques, et extraire des informations pertinentes pour le diagnostic de l'hypertension. Les méthodes proposées combinent des modèles d'apprentissage automatique avec des techniques d'apprentissage de représentation pour garantir la cohérence des prédictions et améliorer leur interprétabilité. Des descripteurs de forme et de déformation sont extraits des images segmentées et combinés avec des données des dossiers médicaux électroniques. Un transformeur multimodal est utilisé pour apprendre une représentation commune de ces données, capable de mettre en évidence le continuum pathologique de l'hypertension. L'application de la méthode à une population de patients a permis de détecter des profils subtils de formes et de déformations corrélés avec l'hypertension. Ces résultats ouvrent la voie à de nouvelles études sur les mécanismes pathologiques de l'hypertension et à l'amélioration du diagnostic de la maladie.

Le jury sera composé de :