Apprentissage, classification d’images et Intelligence Artificielle générative pour l’aide au diagnostic du mélanome à partir d’images de cartographie corporelle

L’équipe « Images & Modèles » du laboratoire LIS est spécialisée dans l’analyse d’images, avec une partie de son activité portée sur la caractérisation des images par des techniques d’apprentissage et de classification.

Le LIS Laboratoire d’Informatique et Systèmes est une Unité Mixte de Recherche (UMR) sous tutelles du Centre National de la Recherche Scientifique (CNRS) rattachée à l’Institut des sciences de l’information et de leurs interactions, de l’Université d’Aix-Marseille et de l’Université de Toulon.

 Le dépistage précoce du mélanome est considéré comme étant la clé principale pour améliorer son pronostic. Le système VECTRA 3D, installé au Centre de Dépistage Automatisé du Mélanome_Marseille à l’hôpital de la Conception, permet l’acquisition de l’ensemble des lésions cutanées pigmentées d’un individu et par conséquent de mieux les comparer chez le même patient afin de détecter un mélanome une lésion cutanée différente des autres. Ce mode d’acquisition permettra à termes d’augmenter la performance des modèles pour la détection automatisée de mélanome afin de faciliter le dépistage précoce de cette pathologie. Ce nouvel outil d’acquisition, produisant des images macroscopiques, ouvre la voie de la problématique de la détection du mélanome à partir de cette modalité d’images. L'objectif de ce stage sera de s’attaquer à cette nouvelle problématique via le développement de deux modules principaux : un module de classification permettant la détection du mélanome versus nævus à partir d’images macroscopiques avec une comparaison de performances avec le même module appliqué à partir d’images dermoscopiques (modalité d’images classiquement utilisées dans ce cadre). Ce module utilisera les images des lésions classées par patients issues de la cartographie corporelle du système VECTRA 3D associées aux images dermoscopiques correspondantes. Le deuxième module aura pour objectif de générer des images pseudo-dermoscopiques à partir des images macroscopiques issues du système VECTRA 3D et de tester le modèle de classification développé précédemment sur ces nouvelles images, afin d’analyser si les performances sont augmentées. En effet, les images macroscopiques des lésions issues de cartographie corporelle contiennent moins de détails que les images dermoscopiques ; donc, un des objectifs de ce stage sera l’évaluation de la qualité des images pseudo-dermoscopiques, générées avec un GAN et/ou un modèle de diffusion, et leur apport aux modèles de classification. Nous faisons l’hypothèse que ces images générées artificiellement auront une meilleure résolution et permettront de développer des algorithmes de classification pour la détection du mélanome plus robustes et plus performants.

- Formation de Master 2 recherche ou école d’ingénieur en informatique ;

- Maîtrise de l’apprentissage automatique et compétences avancées en vision par ordinateur ; 

- Excellentes compétences en programmation (Python) ;                                                                                               

- Passion et rigueur, intérêt pour la recherche.