Reconnaissance automatique des lésions muqueuses du grêle visibles en vidéo-capsule endoscopique chez les patients atteints de maladie de Crohn

Objectif : La détection de lésions de maladie de Crohn (MC) en vidéo-capsule endoscopique (VCE) nécessite du temps et de l'expertise. Depuis 2015, le deep learning a de plus en plus d'applications. Aucune étude n'a porté sur son utilisation dans la détection automatique de lésions de...

Description complète

Enregistré dans:
Détails bibliographiques
Auteurs principaux : Maissin Astrid de (Auteur), Bourreille Arnaud (Directeur de thèse), Bruley des Varannes Stanislas (Président du jury de soutenance)
Collectivités auteurs : Université de Nantes 1962-2021 (Organisme de soutenance), Nantes Université Pôle Santé UFR Médecine et Techniques Médicales Nantes (Organisme de soutenance)
Format : Thèse ou mémoire
Langue : français
Titre complet : Reconnaissance automatique des lésions muqueuses du grêle visibles en vidéo-capsule endoscopique chez les patients atteints de maladie de Crohn / Astrid de Maissin; sous la direction de Arnaud Bourreille
Publié : Nantes : Université de Nantes , 2020
[Lieu de publication inconnu] : [éditeur inconnu]
Accès en ligne : Accès Nantes Université
Reproduction de : Reproduction numérique de l'original imprimé datant de 2019
Note de thèse : Reproduction de : Thèse d'exercice : Médecine. Gastro-entérologie et hépatologie : Nantes : 2019
Conditions d'accès : Thèse soumise à l'embargo de l'auteur jusqu'au 01-01-2021.
Sujets :
Documents associés : Reproduction de: Reconnaissance automatique des lésions muqueuses du grêle visibles en vidéo-capsule endoscopique chez les patients atteints de maladie de Crohn
LEADER 05226clm a2200589 4500
001 PPN241818850
003 http://www.sudoc.fr/241818850
005 20240129055200.0
029 |a FR  |e 2019NANT160M 
035 |a (OCoLC)1247946025 
100 |a 20200120e20202019k y0frey0103 ba 
101 0 |a fre  |d fre  |2 639-2 
102 |a FR 
105 |a a va 000yy 
135 |a dr||||||||||| 
181 1 |6 z01  |c txt  |2 rdacontent 
181 1 |6 z01  |a i#  |b xxxe## 
182 1 |6 z01  |c c  |2 rdamedia 
182 1 |6 z01  |a b 
183 |6 z01  |a ceb  |2 RDAfrCarrier 
200 1 |a Reconnaissance automatique des lésions muqueuses du grêle visibles en vidéo-capsule endoscopique chez les patients atteints de maladie de Crohn  |f Astrid de Maissin  |g sous la direction de Arnaud Bourreille 
214 2 |a Nantes  |c Université de Nantes  |d 2020 
214 0 |a [Lieu de publication inconnu]  |c [éditeur inconnu] 
230 |a Données textuelles 
303 |a Description d'après la consultation, 2020-01-20 
304 |a Titre provenant de l'écran-titre 
307 |a L'impression du document génère 61 p. 
314 |a Autre(s) contribution(s) : Stanislas Bruley des Varannes (Président du jury) 
320 |a Bibliogr. 194 réf. 
324 |a Reproduction numérique de l'original imprimé datant de 2019 
325 1 |a La thèse papier est la seule version officielle 
328 0 |z Reproduction de  |b Thèse d'exercice  |c Médecine. Gastro-entérologie et hépatologie  |e Nantes  |d 2019 
330 |a Objectif : La détection de lésions de maladie de Crohn (MC) en vidéo-capsule endoscopique (VCE) nécessite du temps et de l'expertise. Depuis 2015, le deep learning a de plus en plus d'applications. Aucune étude n'a porté sur son utilisation dans la détection automatique de lésions de MC. L'objectif de notre étude était de développer un outil de reconnaissance automatique de lésions de MC en VCE basé sur le deep-learning. Matériels et méthodes : Nous avons entraîné un réseau neuronal récurrent à attention sur deux bases de données : CrohnIPI et CAD-CAP. CrohnIPI, était constituée d'images extraites de vidéos issues de VCE de type PillCam SB3®, réalisées entre 2014 et 2018 chez des patients suivis pour une MC. Les lésions étaient annotées comme suit : ulcérations aphtoïdes, ulcérations entre 3 et 10mm, ulcérations de plus de 10mm, œdème, érythème et sténose. La présence de bulles ou résidus alimentaires n'interférait pas dans la sélection des images. La base de données CAD-CAP était une base de données publique, qui contenait des images normales, inflammatoires et vasculaires. Résultats CrohnIPI était composée de 1628 images normales et 1590 images de lésions de MC, acquises à partir de 66 vidéos réalisées chez les 63 patients de l'étude. L'exactitude de notre réseau sur CrohnIPI était de 89.26%, la sensibilité de 87.76% et la spécificité de 90.71%. CAD-CAP contenait 1800 images dont 600 images normales, vasculaires et inflammatoires. Sur cette base de données, l'exactitude était de 99.67%, la sensibilité était de 98.97 et la spécificité de 100%. Le réseau entraîné sur CrohnIPI et testé sur CAD-CAP montrait de meilleures performances que dans la situation inverse avec des exactitudes de 77.89 et 48.85% respectivement. Conclusion : Nous avons démontré la faisabilité d'un outil de reconnaissance automatique de lésions de MC en VCE, basé sur le deep learning. Les performances du réseau étaient meilleures sur une base de données d'images sélectionnées. Notre travail ouvre la voie du diagnostic assisté par ordinateur dans ce domaine. Des travaux complémentaires prospectifs sont nécessaires sur une base de données de plus grande taille et sur des vidéos complètes. 
337 |a Un logiciel capable de lire un fichier au format PDF 
371 0 |a Thèse soumise à l'embargo de l'auteur jusqu'au 01-01-2021 
455 | |0 241818761  |t Reconnaissance automatique des lésions muqueuses du grêle visibles en vidéo-capsule endoscopique chez les patients atteints de maladie de Crohn  |f Astrid de Maissin  |d 2019  |p 1 vol. (61 p.) 
606 |3 PPN028713591  |a Maladie de Crohn  |2 rameau 
606 |3 PPN035639717  |a Vidéo en services de santé  |2 rameau 
606 |3 PPN033894434  |a Vidéoendoscopie  |2 rameau 
606 |3 PPN034636498  |a Muqueuse de l'intestin grêle  |2 rameau 
606 |3 PPN114612013  |a Capsules vidéo-endoscopiques  |3 PPN040839486  |x Dissertation universitaire  |2 fmesh 
608 |3 PPN027253139  |a Thèses et écrits académiques  |2 rameau 
686 |a 610  |2 TEF 
700 1 |3 PPN241816319  |a Maissin  |b Astrid de  |f 1991-....  |4 070 
701 1 |3 PPN074716263  |a Bourreille  |b Arnaud  |4 727 
701 1 |3 PPN035302208  |a Bruley des Varannes  |b Stanislas  |f 1954-....  |4 956 
711 0 2 |3 PPN026403447  |a Université de Nantes  |c 1962-2021  |4 295 
711 0 2 |3 PPN076954927  |a Nantes Université  |b Pôle Santé  |b UFR Médecine et Techniques Médicales  |c Nantes  |4 295 
801 3 |a FR  |b Abes  |c 20230206  |g AFNOR 
856 4 |q PDF  |s 1967 Ko  |u https://archive.bu.univ-nantes.fr/pollux/show/show?id=9da1273f-5e80-409b-887d-d9de2be6aff1  |2 Accès au texte intégral de la thèse 
930 |5 441092101:653913826  |b 441092101  |a 19 NANT 160M  |j g 
998 |a 864085