Estimation incrémentale pour la détection non supervisée d'anomalies multivariées en imagerie médicale - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Estimation incrémentale pour la détection non supervisée d'anomalies multivariées en imagerie médicale

Résumé

La détection non supervisée d'anomalies en imagerie médicale est une tache complexe. Les réseaux de neurones artificiels sont souvent utilisés, mais ils ne sont pas toujours optimaux en termes de précision et de ressources computationnelles. Nous explorons les mélanges de distributions de probabilité comme alternative, car ils sont plus faciles à interpréter, à estimer, et avec moins de paramètres. Toutefois, les procédures d'estimation standard ne sont pas adaptées aux gros volumes de données. Pour y remédier, nous proposons une approche incrémentale qui calcule les quantités inférentielles séquentiellement. Nous illustrons l'efficacité de cette approche avec un problème de détection d'anomalies subtiles dans des IRM cérébrales de patients Parkinsoniens récemment diagnostiqués.
Fichier principal
Vignette du fichier
lui.pdf (1.93 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04437623 , version 1 (04-02-2024)

Licence

Paternité

Identifiants

  • HAL Id : hal-04437623 , version 1

Citer

Geoffroy Oudoumanessah, Carole Lartizien, Michel Dojat, Florence Forbes. Estimation incrémentale pour la détection non supervisée d'anomalies multivariées en imagerie médicale. GRETSI 2023 - XXIXème Colloque Francophone de Traitement du Signal et des Images, Aug 2023, Grenoble, France. pp.1-4. ⟨hal-04437623⟩
30 Consultations
9 Téléchargements

Partager

Gmail Facebook X LinkedIn More