Du phénotypage cellulaire à la classification de lames digitales (Record no. 187799)

003 - Identifiant pérenne de la notice
Identifiant pérenne de la notice http://www.sudoc.fr/242445462
005 - numéro d'identification de la version
identification de la version 20200406032847.0
009 - PPN
PPN 242445462
033 ## - Identifiant pérenne de la notice dans un autre système
Identifiant pérenne http://www.theses.fr/2019PSLEM051
099 ## - Informations locales
Masqué à l'opac visible à l'OPAC
date creation notice (koha) 2020-02-19
date modification notice (koha) 2020-02-19
100 ## - données générales de traitement
données générales de traitement 20200218d2019 k y0frey50 ba
101 0# - langue
langue d'un résumé Français
-- Anglais
135 ## - zone de données codées : ressources électroniques
données codées de documents pour les ressources électroniques dr|||||||||||
181 ## - Forme de contenu
Données de lien entre zones z01
Type de contenu Texte
Source du code non-ISO rdacontent
181 #1 - Forme de contenu
Données de lien entre zones z01
Code du qualificatif de contenu en ISBD xxxe##
182 ## - Type de médiation
Données de lien entre zones z01
Autre code informatique
Source du code non-ISO rdamedia
182 #1 - Type de médiation
Données de lien entre zones z01
Code du Type de médiation en ISBD Electronique
183 #1 - Type de support matériel
données de lien entre zones z01
Type de support matériel sous forme codée Ressource dématérialisée
source du code rdacarrier
200 1# - titre
Titre propre Du phénotypage cellulaire à la classification de lames digitales
Sous-titre Une application au traitement du cancer du sein triple-négatif
Auteur principal Peter Naylor
Auteur(s) secondaire(s) sous la direction de Jean-Philippe Vert et de Thomas Walter
214 #1 - Mention de publication,production,distribution,diffusion,fabrication
Date de publication, production, distribution/diffusion, fabrication, copyright 2019
230 ## - zone particulière à certains types de documents : ressources électroniques
définition et volume des fichiers Données textuelles
304 ## - note
texte de la note Titre provenant de l'écran-titre
314 ## - note
texte de la note Ecole(s) Doctorale(s) : Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique
314 ## - note
texte de la note Partenaire(s) de recherche : Centre de bio-informatique (Fontainebleau, Seine et Marne) (Laboratoire), École nationale supérieure des mines (Paris) (établissement de préparation de la thèse)
314 ## - note
texte de la note Autre(s) contribution(s) : Etienne Decencière (Président du jury) ; Jean-Philippe Vert, Thomas Walter, Charles Kervrann, Marick Laé (Membre(s) du jury) ; Valery Naranjo, Isabelle Bloch (Rapporteur(s))
328 #0 - note
Détails sur la thèse ou le mémoire dont le type de diplôme Thèse de doctorat
Discipline Bio-informatique
Organisme donnant le diplôme Paris Sciences et Lettres
Date du diplôme 2019
330 ## - résumé
texte de la note Le 21ème siècle a vu l'essor de la pathologie numérique. De fait, les challenges de l'analyse des données histopathologiques ont contribué à un effort mondial dans la lutte globale contre le cancer. Parallèlement, le succès récent de la décision par automate, plus particulièrement l'apprentissage profond, a révolutionné la recherche dans le domaine de la vision par ordinateur. Dans cette thèse, nous avons étudié la prédiction de la réponse au traitement chez des patients atteints d'un cancer du sein triple négatif avec deux approches différentes aux performances similaires. La première approche, basée sur le récent succès de la vision par ordinateur, extrait des caractéristiques afin d'en effectuer la classification finale. La deuxième approche contraint le flux d'information à passer par la segmentation de noyaux. En particulier, elle permet d'incorporer des informations de haute résolution à une vue globale basse résolution. Bien que cette approche soit plus attrayante, puisqu'elle repose sur l'analyse et la quantification d'un élément biologique précis, la segmentation de noyaux est une tâche fastidieuse. Nous proposons une nouvelle approche de segmentation par apprentissage profond, qui est particulièrement adaptée à la séparation de cellules en contact.
330 ## - résumé
texte de la note The rise of digital pathology and with it the challenges of histopathology analysis have been the focus of a worldwide effort in the overall fight against cancer. In parallel, the recent success of automated decision-making, machine learning, and specifically deep learning, have revolutionised the basis of research as we know today. In this thesis, we tackle the prediction of treatment response in triple-negative breast cancer patients with two different approaches that reach similar outcomes. The first line of approach, based on the recent success of computer vision, extracts learned features from the data in order to perform classification. The second line of approach forces the information flow to pass through nuclei segmentation. In particular, it allows the incorporation of high-resolution information on to a lower resolution overview. Yet while this approach is more appealing as it is based on the analysis and quantification of a precise biological element, nuclei segmentation is troublesome. While solving the task of nuclei segmentation with deep learning, we propose a new formulation for nuclei segmentation which excels at separating touching objects.
337 ## - configuration requise
texte de la note Configuration requise : un logiciel capable de lire un fichier au format : PDF
541 ## - titre traduit ajouté par le catalogueur
titre traduit From cellular phenotypes to the analysis of whole slide images
complément du titre Application to treatment response in triple-negative breast cancer
langue du titre traduit eng
606 ## - sujets
sujet Apprentissage profond
code du système d'indexation rameau
606 ## - sujets
sujet Sein
subdivision du sujet Cancer
code du système d'indexation rameau
606 ## - sujets
sujet Vision par ordinateur
code du système d'indexation rameau
606 ## - sujets
sujet Histopathologie
code du système d'indexation rameau
606 ## - sujets
sujet Prise de décision
subdivision du sujet Modèles mathématiques
code du système d'indexation rameau
606 ## - sujets
sujet Apprentissage automatique
code du système d'indexation rameau
606 ## - sujets
sujet Bioinformatique
code du système d'indexation rameau
608 ## - sujets
numéro de la notice d'autorité 027253139
Numéro interne koha 429003
sujet Thèses et écrits académiques
code du système d'indexation rameau
676 ## - classification
indice Dewey 570.15
686 ## - classification
type (indice) 570
code du système TEF
700 #1 - auteur
numéro de la notice d'autorité 241957206
Lien 454366
Auteur Naylor
_ Peter
dates 1992-....
code de fonction Auteur
701 #1 - coauteur
numéro de la notice d'autorité 122407385
Lien 391549
élément d'entrée Vert
partie du nom autre que l'élément d'entrée Jean-Philippe
dates 1973-....
code de fonction Directeur de thèse
-- Membre du jury
701 #1 - coauteur
numéro de la notice d'autorité 241957796
Lien 454367
élément d'entrée Walter
partie du nom autre que l'élément d'entrée Thomas
code de fonction Directeur de thèse
-- Membre du jury
701 #1 - coauteur
numéro de la notice d'autorité 087172941
Lien 405897
élément d'entrée Decencière
partie du nom autre que l'élément d'entrée Etienne
code de fonction Président du jury de soutenance
701 #1 - coauteur
numéro de la notice d'autorité 228524563
Lien 450445
élément d'entrée Naranjo
partie du nom autre que l'élément d'entrée Valery
dates 19XX-....
code de fonction Rapporteur de la thèse
701 #1 - coauteur
numéro de la notice d'autorité 031277861
Lien 449193
élément d'entrée Bloch
partie du nom autre que l'élément d'entrée Isabelle
dates 19..-....
qualificatifs autres que les dates mathématicienne, spécialiste du traitement des images
code de fonction Rapporteur de la thèse
701 #1 - coauteur
numéro de la notice d'autorité 103581162
Lien 454356
élément d'entrée Kervrann
partie du nom autre que l'élément d'entrée Charles
dates 19..-....
qualificatifs autres que les dates ingénieur-chercheur en informatique
code de fonction Membre du jury
701 #1 - coauteur
numéro de la notice d'autorité 079827861
Lien 454355
élément d'entrée Laé
partie du nom autre que l'élément d'entrée Marick
dates 1972-....
code de fonction Membre du jury
711 02 - collectivité - coauteur
numéro de la notice d'autorité 182292592
élément d'entrée Université de Recherche Paris Sciences et Lettres
code de fonction Organisme de soutenance
711 02 - collectivité - coauteur
numéro de la notice d'autorité 232957029
élément d'entrée Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique
élément ajouté au nom ou qualificatif Paris
code de fonction Ecole doctorale associée à la thèse
711 02 - collectivité - coauteur
numéro de la notice d'autorité 152350985
élément d'entrée Centre de bio-informatique
élément ajouté au nom ou qualificatif Fontainebleau, Seine et Marne
code de fonction Laboratoire associé à la thèse
711 0# - collectivité - coauteur
numéro de la notice d'autorité 026375249
-- ba0yba0y
élément d'entrée École nationale supérieure des mines
élément ajouté au nom ou qualificatif Paris
code de fonction Autre partenaire associé à la thèse
856 4# - accès
type de format électronique PDF
taille du fichier 248370355
Texte intégral <a href="http://www.theses.fr/2019PSLEM051/document">http://www.theses.fr/2019PSLEM051/document</a>
note Accès au texte intégral
856 4# - accès
Texte intégral <a href="http://www.theses.fr/2019PSLEM051/abes">http://www.theses.fr/2019PSLEM051/abes</a>
856 4# - accès
Texte intégral <a href="https://pastel.archives-ouvertes.fr/tel-02470754">https://pastel.archives-ouvertes.fr/tel-02470754</a>
909 ## - Type de document
Type de document Thèses
CAT_DOC Thèse
Holdings
Perdu Site d'origine Localisation cote Statut de l'exemplaire Propri
Présent En ligne En ligne https://pastel.archives-ouvertes.fr/tel-02470754 Empruntable Publications de l'Ecole

Powered by Koha