L'équipe DEEP_UL a terminé au 3e rang de la compétition DL Sparse View CT challenge organisée par l'American Association of Physicists in Medicine (AAPM). Ce défi numérique consistait à utiliser l'apprentissage profond (ou autre méthode axée sur les données) pour reconstruire des images tomodensitométriques à partir des données brutes. La délégation lavalloise, composée de Cédric Bélanger, Daniel Gourdeau, Maxence Larose et Leonardo Di Schiavi Trotta, a su mettre à profit différentes expertises pour relever avec brio ce défi: calcul informatique de pointe sur GPU, théorie de la formation de l'image et apprentissage automatique. Ces étudiants, supervisés par les professeurs Louis Archambault, Luc Beaulieu, Philippe Després et Simon Duchesne, sont rattachés au programme FONCER en Science des données responsable dans le domaine de la santé, au Centre de recherche sur le cancer, au Centre de recherche en données massives, au Centre CERVO et à l'Institut intelligence et données de l'Université Laval. Leurs travaux sont financés par le Conseil de recherches en sciences naturelles et en génie du Canada (
Bannière

Une équipe de l'Université Laval s'illustre dans un défi numérique en imagerie médicale
Publié le 01 juin 2021
Nouvelles
05 mai 2022
Philippe Després élu directeur du Centre de recherche en données massives de l'Université Laval (CRDM)
Lire plus
04 mai 2022
Sandrine Blais-Deschênes récipiendaire du prix "Éthique, confidentialité et acceptabilité sociale" de 1 000$ offert par Beneva
Lire plus
04 mai 2022
Sewagnouin Rogia Kpanou récipiendaire du prix "Santé et sciences de la vie" de 2 000$ offert par MEDTEQ+
Lire plusDécouvrir

Projet en vedette
Les traitements de radiothérapie habituels répandus dans le domaine clinique ne font pas souvent l’objet de changements, se résumant généralement à un traitement global de 50 grays, fractionné en cinq traitements de deux grays par semaine durant cinq semaines.