Deep Learning Methods for Grading Head and Neck Squamous Lesions from Whole Slide Images - PASTEL - Thèses en ligne de ParisTech Accéder directement au contenu
Thèse Année : 2023

Deep Learning Methods for Grading Head and Neck Squamous Lesions from Whole Slide Images

Méthodes d'apprentissage automatisé pour l'amélioration du diagnostic des cancers épidermoïdes du larynx à partir d'images histologiques

Mélanie Lubrano Di Scandalea
  • Fonction : Auteur
  • PersonId : 1402931
  • IdRef : 279427182

Résumé

This thesis explores the use of computational pathology to evaluate and grade precancerous and cancerous lesions of the larynx, a condition subject to subjective classification by pathologists. By using Al models and a vast database of histological images, we have developed diagnostic assistive tools that enhance the inter and intra observer reproducibility, thereby improvings patient care.
Cette thèse explore l'utilisation de la pathologie computationnelle pour évaluer et grader les lésions précancéreuses et cancéreuses du larynx, une condition sujette à une classification subjective de la part des pathologistes. En utilisant des modèles d'IA et une vaste base de données d'images histologiques, nous avons développé des outils d'aide au diagnostic améliorant la reproductibilité inter et intra observateurs, permettant ainsi une meilleure prise en charge des patients.
Fichier principal
Vignette du fichier
2023UPSLM083_archivage.pdf (419.73 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04652195 , version 1 (18-07-2024)

Identifiants

  • HAL Id : tel-04652195 , version 1

Citer

Mélanie Lubrano Di Scandalea. Deep Learning Methods for Grading Head and Neck Squamous Lesions from Whole Slide Images. Bioinformatics [q-bio.QM]. Université Paris sciences et lettres, 2023. English. ⟨NNT : 2023UPSLM083⟩. ⟨tel-04652195⟩
0 Consultations
0 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More