Soutenance de thèse de Thibaud BROCHET mardi 16 juillet 2024 à 14h - Salle de thèse UFR Santé

Thibaud Brochet soutiendra sa thèse le mardi 16 juillet à 14h00, dans la Salle de thèse de l'UFR Santé, 22 Boulevard de Gambetta

Les membres du jury seront:

• M. MERIAUDEAU Fabrice,  IUT du Creusot, Président
• M. ZHU Yue-Min, INSA Lyon, Rapporteur
• Mme GARREAU Mireille, Université de Rennes, Rapporteur
• M. LAPUYADE-LAHORGUE Jérôme, Université de Rouen Normandie, Co-encadrant
• Mme RUAN Su, Université de Rouen Normandie, Directrice

Titre: Etudes des fonctions de perte basées sur l'entropie dans le contexte de l'apprentissage profond pour la radiomique.

Résumé: Cette thèse explore l'impact des nouvelles fonctions de perte dérivées d'entropies généralisées et de nouvelles architectures de réseaux de neurones sur les performances des opérations de classification en Deep Learning. L'objectif principal de cette recherche est d'étudier comment l'utilisation de l'entropie généralisée d'Havrda-Charvat, avec la modulation de l'hyperparamètre alpha, influence les performances des modèles de classification. En parallèle, de nouvelles architectures de réseaux de neurones adaptées aux spécificités des données médicales ont été développées. Les résultats montrent une amélioration significative des performances par rapport aux fonctions de perte et aux réseaux traditionnels, démontrant ainsi la pertinence et le potentiel des approches proposées. Les conclusions de cette étude suggèrent que ces améliorations soulignent l'importance de poursuivre les recherches dans ce domaine prometteur.