Retour à la page précédente
illustration_1_best_paper_award_MIDL_hes_so_valais
Friday 19 July 2019 14:52

Sierre – Des chercheurs de l’Institut Informatique de Gestion de la HES-SO Valais-Wallis ont reçu le Best Paper Award lors de la conférence MIDL (International Conference on Medical Imaging with Deep Learning) qui s’est déroulée à Londres la semaine passée.

Active depuis 12 ans dans l’imagerie médicale avec un haut niveau de compétences, l’équipe du Professeur Adrien Depeursinge de l’Institut Informatique de Gestion prouve que la recherche en Valais a de beaux jours devant elle. En effet, Vincent Andrearczyk, Valentin Oreiller, Julien Fageot et Adrien Depeursinge, tous quatre chercheurs au sein de la HES-SO Valais-Wallis, viennent d’être récompensés pour leur travail dans le domaine du Deep Learning appliqué à l’analyse d’images médicales lors de la conférence internationale MIDL 2019. Cette conférence, qui s’est déroulée les 8-10 juillet 2019, rassemble chaque année les experts informaticiens et radiologues dans ce domaine de pointe.

Une aide pour les médecins

L’équipe de recherche est très active dans l’analyse d’images radiologiques. Cette analyse permet d’exploiter toute la richesse de ces images multidimensionnelles et d’aider la prise de décision des médecins. Afin qu’une telle méthode informatique puisse accompagner un médecin, il est nécessaire de lui faire apprendre les éléments à analyser. Pour ce faire, la machine doit apprendre à détecter les structures tissulaires et anomalies dans toutes les orientations possibles. C’est le cas de l’analyse de tumeurs où les structures locales des tissus (bord des tumeurs, anomalies vasculaires) se produisent dans des rotations arbitraires.

Une approche unique : Deep Learning et analyse 3D

Les chercheurs se sont penchés sur l’analyse de nombreuses images de nodules pulmonaires préparées par le Prof. Xavier Montet des Hôpitaux Universitaires de Genève. Cela a permis de créer un modèle mathématique permettant d’analyser des anomalies pulmonaires sous plusieurs angles possibles en 3 dimensions. L’objectif du travail de manière plus générale est de proposer une solution pour analyser de façon automatique de très grandes quantités d’images afin de, par exemple, prédire certains sous types de cancers et leur réponse au traitement. Les réseaux convolutionnels utilisés en Deep Learning s’avèrent efficaces.

Collaboration avec l’EPFL, le CHUV et les HUG

Les résultats de ce travail de recherche sont les fruits d’une collaboration de longue durée avec l’EPFL (Prof. Michael Unser), le Centre Hospitalier Universitaire Vaudois (CHUV, Prof. John O. Prior) et les Hôpitaux Universitaires de Genève (HUG, Prof. Xavier Montet). Ce travail a été principalement soutenu par le Fonds National Suisse de la Recherche Scientifique (FNS) dans le contexte du projet VISIBLE (205320_179069).