À la fin du cours, l’étudiant devrait :

• Comprendre les divers phénomènes qui se produisent lors de la formation d’une image médicale;
• Comprendre des algorithmes de base: segmentation, classification, recallage;
• Maîtriser l’appareil mathématique servant à poser les problèmes de de façon analytique;
• Choisir l’approche d’analyse la mieux appropriée au type de donné à l’étude;
• Avoir une idée globale du domaine que représente l'analyse d'images médicales par ordinateur et pouvoir progresser par lui-même par la suite.

Pour atteindre les objectifs, l’étudiant assistera à des exposés magistraux à raison de 3h30 par semaine. Il y aura neuf séances de laboratoire: 3 avec TP durant lesquelles l’étudiant apprendra des logiciels utilisés en analyse d'images médicales, et 6 consacrées à la programmation et à l’évaluation d’un algorithme d’un projet de session.

Le cours se veut une introduction l'intelligence artificiel appliqué au domaine de l'analyse d'imagerie médicale . Il couvre les fondements des modalités d'image et des algorithmes principaux: segmentation, recallage, classification. Une approche numérique de réalisation sera illustrée en laboratoire à l’aide de progiciels évolués d’analyse, de compréhension et de traitement d’image.

Rapports de laboratoire (2) : 20% par journée ouvrable de retard

Rapport technique du projet de session : 20% par journée ouvrable de retard.

Afin de faire valider une absence à une évaluation en vue d’obtenir un examen de compensation, l’étudiante ou l’étudiant doit utiliser le formulaire prévu à cet effet dans son portail MonÉTS pour un examen final qui se déroule durant la période des examens finaux ou pour tout autre élément d’évaluation surveillé de 15% et plus durant la session. Si l’absence concerne un élément d’évaluation de moins de 15% durant la session, l’étudiant ou l’étudiante doit soumettre une demande par écrit à son enseignante ou enseignant.

Toute demande de validation d’absence doit se faire dans les cinq (5) jours ouvrables suivant la tenue de l’évaluation, sauf dans les cas d’une absence pour participation à une activité prévue aux règlements des études où la demande doit être soumise dans les cinq (5) jours ouvrables avant le jour de départ de l’ÉTS pour se rendre à l’activité.

Toute absence non justifiée par un motif majeur (voir articles 7.2.6.1 du RÉPC et 6.5.2 du RÉCS) entraînera l’attribution de la note zéro (0).

Pas de documentation obligatoire, toute documentation sur le site Moodle du cours

https://ena.etsmtl.ca/course/view.php?id=19375

• Goodfellow, Bengio, Courville, Deep Learning, 2016.
• Suetens, P. Fundamentals of Medical Imaging, Cambridge University Press
• Prince, J. & Links, J. Medical Imaging Signals and Systems, Prentice Hall,
• Bankman, Isaac.Handbook of Medical Imaging: Processing and Analysis, Academic Press,
• Yoo, Terry S. Insight into Images: Principles and Practice for Segmentation, Registration and Image Analysis, CRC Press,
• Sethian, J.A., Level-set Methods, Cambridge University Press, 2000,
• Duda, Hart and Stork, Pattern Classification (2nd Edition), Wiley, 2000,
• Koller and Friedman, Probabilistic Graphical Models: Principles and Techniques, MIT Press, 2009,
• Strang, Gilbert. Linear Algebra and Its Applications 2/e, Academic Press, 1980.

https://ena.etsmtl.ca/course/view.php?id=15054