Menu
International
Imagerie médicale : la recherche de l’EPITA récompensée en Chine !
Zhou Zhao et Élodie Puybareau
Élodie Puybareau : Cela nous permet de vérifier toutes les méthodes que nous développons au laboratoire et voir où l’on se situe vis-à-vis des autres équipes de chercheurs travaillant sur cette thématique dans le monde entier. L’avantage d’un concours, c’est donc d’obtenir une évaluation en direct de nos méthodes.
En général, ce genre de concours se déroule de la manière suivante : les organisateurs donnent aux participants un lot d’images à traiter en spécifiant la problématique. Pour le LVQuan, la problématique consistait à chercher une structure particulière du cœur, en l’occurrence le ventricule gauche. L’idée était donc de récupérer ce ventricule dans des images de cœur fournies par les organisateurs. Nous avons alors commencé à développer une méthode permettant de trouver cette structure et de faire des mesures pour, par exemple, connaître son épaisseur ou comment elle varie dans le temps. Ensuite, lors de tels concours, les organisateurs demandent à ce que les participants leur soumettent directement les codes de leurs méthodes ou ils envoient de nouvelles images à traiter que l’on doit ensuite renvoyer afin qu’ils évaluent le travail.
Plusieurs mois ! Par exemple, pour le LVQuan, nous avons reçu les images à traiter au mois d’avril. La plupart du temps, la fin des concours a lieu entre fin juillet et septembre. C’est après la fin du concours que nous avons été contactés par les organisateurs pour présenter notre méthode à l’oral. En général, quand un concours vous demande une présentation, cela peut signifier que vous avez obtenu de très bons résultats ou que la méthode employée est très intéressante. Par contre, nous n’avions aucune idée de notre classement : nous l’avons découvert une fois sur place, le 13 octobre, lors du premier jour de la conférence.
J’étais particulièrement heureuse, notamment pour mon doctorant Zhou Zhao qui a travaillé sur ces recherches. Il est doctorant à l’EPITA depuis un an et vient de Chine. Il s’agissait à la fois de sa toute première conférence et de sa toute première présentation. Il avait donc un peu de stress, mais il s’est très bien débrouillé et a fait un super travail. Il faut savoir qu’un tout début du concours, il y avait une trentaine de participants. Par la suite, le nombre de participants s’est réduit, avec uniquement dix participants ayant soumis une publication scientifique – certains concours, comme le LVQuan, demandent d’écrire un article de recherche en plus de la soumission des résultats. Enfin, seules quatre publications (dont celle de l’EPITA, nommée « A Two-Stages Temporal-Like Fully Convolutional Network Framework for Left Ventricle Segmentation ») ont été acceptées pour ensuite être publiées dans les actes de la conférence MICCAI via un workshop spécialisé sur l’imagerie cardiaque.
Tout à fait ! Même si participer et être bien placé à un concours MICCAI suffit à montrer la qualité des travaux que nous pouvons effectuer, le fait d’avoir également un article scientifique publié est également un grain de visibilité supplémentaire.
Nos méthodes utilisent le deep learning. Pour faire simple, le deep learning est le fait d’apprendre à un ordinateur/programme à trouver une solution pour nous. On lui dit « voici une image », puis « voici le résultat que je souhaite obtenir » et enfin « à toi de trouver une solution pour y arriver ». Derrière, pour déterminer tout cela, il y a de gros modèles mathématiques. Et aujourd’hui, dans l’imagerie médicale, la majorité des méthodes fonctionnant très bien se base sur du deep learning.
C’est exactement ça. Mais pour réussir, il faut surtout le nourrir intelligemment ! En effet, si vous regardez une photo d’un panier de fruits par exemple, vous allez facilement pouvoir dire s’il s’y trouve une pomme ou non. Or, pour l’ordinateur, cette photo représente juste un tas de pixels. Il faut donc trouver des moyens pour lui apprendre à reconnaître des formes ou des structures dans des images. Dans l’imagerie médicale, toute la difficulté réside dans la très grande diversité dans ces images. De ce fait, si l’on change de repère ou d’orientation, l’ordinateur peut être complètement perdu. D’où ce travail en amont.
Il n’y a pas tellement d’images – la base de données fournie par le concours en comportait 50. Par contre, le nombre d’heures a été conséquent : Zhou Zhao a travaillé dessus à temps plein d’avril à juillet. C’est de la recherche : il a fallu tâtonner avant de trouver ! D’autant qu’un entraînement d’ordinateur, ce n’est pas immédiat. Quand on lui enseigne quelque-chose, il va travailler tout seul et ce temps de travail peut se traduire parfois en plusieurs jours !
En fait, il y a toujours eu de l’imagerie médicale à l’EPITA, mais la majorité des recherches a longtemps concerné le cerveau, notamment à travers des partenariats avec Telecom ParisTech. Quand je suis arrivée au sein du LRDE, de par mon doctorat et ma passion pour l’imagerie médicale, j’ai essayé de « contaminer » encore plus de monde au laboratoire afin de donner une réelle dynamique médicale à l’équipe. Nous avons commencé les concours MICCAI il y a 3 ans, mais notre diversification a vraiment démarré l’an dernier, avec notre participation à un concours qui nous a permis de voir si nos méthodes pouvaient aussi fonctionner avec des images de cœur. Cela a très bien marché – nous sommes arrivés à la 3e place – et cela nous a confortés dans l’idée que nos potentiels sujets de thèse sur le cœur avaient un réel intérêt. C’est comme cela que la thèse de Zhou Zhao a démarré.
Oui, mais pas que ! Avec Guillaume Tochon (l’autre responsable de la Majeure), nous avons imaginé cette filière comme très généraliste, pas uniquement axée médicale. C’était plus la composante traitement d’image du LRDE qui nous a motivés. Mais c’est sûr que comme l’EPITA participe aux concours MICCAI depuis trois ans et y obtient toujours de bons résultats, il nous a semblé indispensable de proposer également des cours liés à l’imagerie médicale. Par exemple, pour ce semestre des étudiants de 3e année, des personnes de chez General Electric Healthcare viendront donner des cours sur le sujet à nos étudiants.