Ouassim BOUKHENNOUFA : "Contribution au diagnostic de l'hyperparathyroïdie basée sur la fusion des connaissances des experts et l'intelligence artificielle"

Résumé :  Cette thèse s’inscrit dans le domaine de la médecine nucléaire appliquée au diagnostic de l’hyperparathyroïdie. Elle propose une série de méthodologies visant à améliorer la fiabilité et la reproductibilité d'aide au diagnostic de l'hyperparathyroïdie en utilisant les images planaires double isotope Technétium (mibi) / Iode-123 (iode), ainsi que l’interprétation des résultats par des outils d’intelligence artificielle et de traitement d'images. Dans un premier temps, deux approches ont été proposées pour automatiser la soustraction : une méthode basée sur l’estimation d’un facteur prédictif spécifique à chaque patient, et un modèle génératif permettant de synthétiser directement des images soustraites. Ces stratégies réduisent la dépendance à l’opérateur et apportent une standardisation du processus. Ensuite, des techniques de filtrage statistique et d’apprentissage profond ont été intégrées pour améliorer la qualité visuelle et statistique des images. L’impact de ces améliorations a été validé tant sur la performance des modèles d'apprentissage. La thèse introduit également des contributions majeures en matière de fiabilité prédictive. La prédiction conforme a été exploitée pour quantifier l’incertitude et détecter automatiquement les cas ambigus, tandis que des ensembles de réseaux de neurones convolutifs (CNN) ont permis d’accroître la robustesse, d’affiner les classifications et de renforcer l’explicabilité via Grad-CAM. Enfin, une méthodologie de localisation automatique des adénomes a été proposée, couvrant à la fois les images planaires (par détection d’objets) et les volumes 3D (via extraction de surface). Dans leur ensemble, ces contributions offrent un cadre méthodologique complet qui n’a pas pour but de remplacer l’expertise médicale, mais de faciliter le travail des médecins en proposant des images plus fiables, des classifications interprétables et des outils de localisation robustes pour l’intégration dans une routine clinique.

Composition du jury : 

Noureddine ZERHOUNI Professeur des universités SupMicrotech - ENSMM Directeur de thèse
Jean-Marc NICOD Professeur des universités SupMicrotech - ENSMM CoDirecteur de thèse
Hatem BOULAHDOUR Professeur des universités - praticien hospitalier Université Marie et Louis Pasteur Co-encadrant de thèse
Stéphane CHRETIEN Professeur des universités Université de Lyon 2 Rapporteur
David SARRUT Directeur de recherche INSA de Lyon Rapporteur
Assia AMIMOUR Professeure des universités - praticienne hospitalière CHU de Bab El Oued Alger Examinateur
Abdelkhalak EL HAMI Professeur des universités INSA de Rouen Examinateur

Localisation : salle Amphithéâtre Jules Haag - 26 rue de l’Épitaphe 25000 BESANÇON