Détection et segmentation automatiques, précises et robustes des lésions de sclérose en plaques dans les IRM de la moelle épinière

Cette thèse porte sur l'amélioration de la segmentation et de la détection des lésions de sclérose en plaques (SEP) dans l'IRM de la moelle épinière, une tâche important et complexe en pratique clinique. Une étude de la segmentation manuelle des lésions a mis en évidence une variabilité importante entre les experts, soulignant la nécessité de méthodes automatisées robustes et sensibles. Pour y répondre, nous avons étudié des stratégies de fusion pour combiner l'information de plusieurs images acquises avec des séquences IRM différentes. La fusion tardive s’est révélée particulièrement efficace, surpassant nettement les modèles basés sur une seule séquence. Enfin, la thèse introduit LesionSCynth, un cadre simple et efficace pour la synthèse de lésions réalistes de la moelle épinière, ce qui permet d'améliorer les performances dans des contextes de données limitées et de réduire la dépendance aux annotations manuelles. Globalement, les contributions de cette thèse font progresser le développement d’outils de segmentation fiables, généralisables et économes en données pour l’analyse des lésions de la moelle épinière dans la SEP.