Apprentissage actif pour la détection en temps réel des polypes en coloscopie
Résumé
Le travail présente une méthode permettant de détecter les polypes en temps réel lors d'une coloscopie. Ces polypes (plus particulièrement la dégénérescence de ces structures) sont à l'origine du cancer colorectal qui est un des cancers les plus mortels au monde, avec un taux de mortalité avoisinant les 50%. De plus, cet examen est sujet à un fort taux de variabilité en termes de détection, on estime qu'un médecin peut manquer entre 2 % et 25 % de polypes durant une coloscopie. Une aide à la détection durant l'examen permettrait de réduire le taux de variabilité et indirectement réduire le taux de mortalité. Plusieurs méthodes ont déjà été proposées pour améliorer cette détection. Mais les performances de ces méthodes dépendent énormément des ressources calculatoires disponibles et, jusqu'à maintenant, n'étaient pas capable de faire une détection en temps réel lors de l'examen. La méthode proposée, basée sur l'apprentissage actif (elle même basée sur une stratégie de type «boosting»), est capable de compenser ce manque. Plus précisément, cette approche permet de détecter environ 90% des polypes, sur une base de données présentée à la communauté en 2012, pour un F2 Score de 65%, et fonctionnant en temps réel, rendant possible l'analyse d'une image en seulement 0.039s sur un ordinateur standard et pas nécessairement dédié à cela.