ASSEMAT, Mme Flora (2025) Optimisation des techniques de segmentation pour l'analyse des plaquettes en imagerie de fluorescence PRE - Projet de recherche, ENSTA.

Il s'agit de la dernière version de ce document.

Fichier(s) associé(s) à ce document :

[img]PDF
2483Kb

Résumé

Le rapport suivant présente le travail effectué pendant mon stage de recherche, qui s’est concentré sur l’automatisation du processus de segmentation d’image pour l’évaluation de l’adhésion plaquettaire et de la formation de thrombus. L’objectif principal était d’utiliser un système basé sur l’apprentissage automatique capable de distinguer et de quantifier la proportion de plaquettes dans une image prise au microscope. Les images étaient en niveaux de gris et le code devait distinguer l’arrière-plan des plaquettes avant de produire une image binaire permettant de facilement calculer la proportion. En raison des variations dans l’éclairage, le contraste, les typse de microscopes et les conditions biologiques, les méthodes d’apprentissage automatique étaient essentielles pour traiter l’ensemble de ces données. J’ai utilisé un modèle d’apprentissage profond basé sur des réseaux neuronaux convolutifs (CNN) que j’ai entraîné pour effectuer la segmentation. Les résultats de ce projet contribuent au développement de systèmes automatisés pour l’analyse des plaquettes dans les études médicales.

Type de document:Rapport ou mémoire (PRE - Projet de recherche)
Mots-clés libres:Machine Learning, Artificial Intelligence, Convolutional Neural Networks, Deep Learning, Segmentation, Fluorescence Microscopy, Platelets, Thrombi.
Sujets:Sciences et technologies de l'information et de la communication
Code ID :10523
Déposé par :Flora ASSEMAT
Déposé le :20 août 2025 12:01
Dernière modification:20 août 2025 12:01

Versions disponibles de ce document

Modifier les métadonnées de ce document.