Quentin Vanderbecq : Méthodes d’intelligence artificielle pour l’analyse du scanner abdomino-pelvien

Titre : Méthodes d’intelligence artificielle pour l’analyse du scanner abdomino-pelvien

Résumé : Mes travaux portent sur l’application de différentes méthodes d’intelligence artificielle au scanner dans le contexte de l’occlusion digestive. Ils explorent plusieurs tâches complémentaires : détection binaire de l’occlusion, distinction entre formes mécaniques et fonctionnelles, localisation de la zone de transition et des occlusions sur bride par segmentation, prédiction de la prise en charge chirurgicale, et détection de l’ischémie intestinale. Sur le plan méthodologique, ce travail évalue des architectures de classification 3D, des réseaux convolutifs mixtes 2D–3D, des approches de segmentation, des modèles multimodaux combinant imagerie et données clinico-biologiques, ainsi que des stratégies de few-shot learning à partir de modèles de fondation. Les résultats montrent que les approches convolutives 3D sont performantes pour le triage diagnostique, tandis que les tâches plus fines, comme la caractérisation étiologique ou la détection précoce de la souffrance digestive, bénéficient davantage d’approches multimodales. Ces travaux mettent ainsi en évidence l’intérêt d’une IA adaptée aux différentes étapes de l’évaluation radiologique de l’occlusion intestinale, avec une ouverture vers les modèles de fondation pour les développements futurs.

En parallèle de ce travaux de recherche, une autre de mes missions concerne l’accompagnement des projets d’imagerie au sein de l’EDS APHP, avec un soutien aux équipes pour faciliter l’émergence, la structuration et le développement des projets liés aux données d’image.