Apprentissage profond appliqué à la classification d’images microscopiques embryonnaires - Archive ouverte HAL
Communication Dans Un Congrès Année : 2020

Apprentissage profond appliqué à la classification d’images microscopiques embryonnaires

Résumé

Dans le domaine de la fécondation in vitro (FIV), l'imagerie par time-lapse (ITL) est une technologie qui produit une vidéo montrant le développement de l'embryon pendant ses premiers jours. L'ITL permet d'annoter les instants auxquels commencent et finissent les différentes phases de développement de l'embryon. Cependant, le processus d'annotation prend du temps et nécessite des experts. Dans cet article, nous montrons que pour prédire les phases visibles dans les images issues de vidéos ITL, un ResNet-3D est meilleur qu'un équivalent 2D ou un ResNet-LSTM.
Fichier principal
Vignette du fichier
Gomez_RJCIA_2020_finale.pdf (2.15 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-02882052 , version 1 (16-04-2021)

Identifiants

  • HAL Id : hal-02882052 , version 1

Citer

Tristan Gomez, Harold Mouchère, Thomas Fréour, Magalie Feyeux. Apprentissage profond appliqué à la classification d’images microscopiques embryonnaires. Rencontres des Jeunes Chercheur·ses en Intelligence Artificielle (RJCIA 2020), Jun 2020, Angers, France. ⟨hal-02882052⟩
239 Consultations
306 Téléchargements

Partager

More