Name: PptxGenJS Presentation
Uploaded: 2023-12-07
Duration: 4 min 27 s
Description: Candidature pour un contrat de post-doc. [image] Contact Applied Machine Learning Days.

Candidature pour un contrat de post-doc. [image] Contact Applied Machine Learning Days. 

Scene 1

[image] Contact Applied Machine Learning Days

« Spécialité: Système des ingénieries informatiques » Dr. Salima HASSAIRI CHAARI

Titre de projet: Identification des maladies du cancer du sein basée sur les images 3D et les architectures d'apprentissage fédérées

[image]. [image] Contact Applied Machine Learning Days. 

Scene 2

Niveau scientifique: Dernier diplôme Docteur en Ingénierie des systèmes informatiques Doctorat obtenu à l’Ecole Nationale des Ingénieurs de Sfax, (ENIS), Nov 2017, (Mention très honorable)   Thématique de recherche Unité de recherche: RTIM - Research Team in Intelligent Machines. Sujet de thèse: Apprentissage en profondeur des réseaux d’ondelettes et leurs applications pour la reconnaissance des formes Production scientifique 1 revue internationale (Q1) 7 communications internationale (4 classe B et 3 classe C) 2 chapters Perspective et rayonnement de recherche Recherche de domaines d’application des nouvelles technologies de l’IA en vue du bien être et de l’amélioration de la qualité de vie Exploitation des architectures de reconnaissance d’images proposées dans le domaine de la santé et spécifiquement comme moyen de détection précoce des maladies, tel que le cancer du sein

Scene 3

Le cancer du sein est une maladie courante et potentiellement mortelle

 Les progrès récents de l’imagerie médicale ont permis l’utilisation d’images 3D pour améliorer le diagnostic.

 Les architectures d’apprentissage fédérées permettent la collaboration entre plusieurs établissements de santé.

 La détection et l’identification précise du cancer du sein sont cruciales pour un traitement efficace.

 Les architectures d’apprentissage fédérées préservant la confidentialité des données.

Scene 4

Identification des maladies du cancer du sein basée sur les images 3D et les architectures d'apprentissage fédérées

Notre objectif est de relever le défi de l'identification des maladies du cancer du sein à partir d'images en 3D en utilisant des architectures d'apprentissage fédéré.

Scene 5

Pourquoi les images 3D pour le diagnostic du cancer du sein?

La mammographie 2D traditionnelle 

 Elle a des limites dans la détection précise du cancer du sein.

 Les techniques d’imagerie 3D telles que la l’IRM 

 Ils fournissent des informations détaillées et précises.

 Les avantages de l’imagerie 3D

 Comprennent une meilleure visualisation des tumeurs et une réduction des taux de faux positifs.

 L’intégration d’algorithmes d’IA avec des images 3D

 Améliore la précision du diagnostic.

Scene 6

Les données provenant de différentes sources peuvent être combinées en toute sécurité pour entraîner un modèle global basé sur l’apprentissage en profondeur des réseaux d’ondelettes.

L’apprentissage fédéré améliore la précision et la généralisation des modèles d’identification du cancer du sein

L’apprentissage fédéré permet la collaboration entre plusieurs établissements de santé sans partager de données brutes.

La confidentialité et la sécurité des données des patients sont préservées pendant le processus d’apprentissage.

Scene 7

Acquérir des BD auprès de diverses clients Prétraiter les données Développer un framework pour l'apprentissage fédéré Préparation des modèles d'apprentissage Tester le framework avec plusieurs stratégies Evaluation et mise à niveau du framework Dissémination des résultats obtenus Synthétiser les résultats, les méthodologies et les informations de la recherche dans une revue internationnale
 Draft du framework

Scene 8

Echange d’expertise et renforcement de capacités et de compétences dans le domaine de l’IA  Exploitation de ressources disponibles pour développer des solutions innovantes basées sur des technologies avancées telles que l'imagerie 3D et répondre à des besoins du marché Valorisation des résultats attendues par l’exploration de Nouvelles Applications Robotiques dans le domaine médicale

Scene 9

En identifiant plus précisément les cancers du sein, notre proposition permettra une intervention plus rapide et une meilleure chance de survie pour les patients.

La détection précoce réduit les coûts de traitement et les dépenses associées aux soins de santé, ce qui conduit à des économies pour les patients et les systèmes de santé.

En favorisant la recherche et le développement technologique, notre projet contribuera à stimuler l'innovation dans le domaine de la santé.

Scene 10

Notre proposition s'aligne sur la priorité nationale de promouvoir la santé et le bien-être de la population en offrant des solutions novatrices pour la détection précoce du cancer du sein.

En utilisant des techniques avancées d'apprentissage fédéré et d'imagerie 3D, notre projet illustre l'engagement du pays à rester à la pointe de l'innovation technologique.

Scene 11

Notre solution a le potentiel d'aider des millions de femmes à travers le monde en réduisant les souffrances causées par le cancer du sein.  Valorisation des résultats de recherche au bénéfice de la santé et du bien êtres Ouverture sur le monde socio-économique et ouverture de nouvelles opportunités de collaboration à l’échelle nationale et internationale

PptxGenJS Presentation

Scene 1 (0s)

Scene 2 (19s)

Scene 3 (57s)

Scene 4 (1m 18s)

Scene 5 (1m 36s)

Scene 6 (1m 59s)

Scene 7 (2m 24s)

Scene 8 (2m 45s)

Scene 9 (3m 10s)

Scene 10 (3m 39s)

Scene 11 (4m 1s)

Scene 12 (4m 19s)