Bannière

Chirugiens

Une équipe de l'Université Laval s'illustre dans un défi numérique en imagerie médicale

Publié le 01 juin 2021

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 (CRSNG) et les Fonds de recherche du Québec (FRQ), avec le soutien de la Fondation canadienne pour l'innovation (FCI) pour les infrastructures de recherche numériques.

DLsparse

Découvrir

Projet en vedette

Membre étudiant : Gabriel Couture

Ce projet consiste à établir les bonnes pratiques en gestion des données de santé et à construire une infrastructure logicielle afin de les appliquer.

Nous avons développé des pipelines qui permettent de récupérer quotidiennement les données de traitements de curiethérapie afin de calculer et stocker leurs indices dosimétriques dans une base de données dédiée à la recherche. Ces indices sont essentiels à la planification des traitements en radiothérapie et à l’estimation de leur qualité.

Lire plus