Segmentation d'images de microscopie électronique par apprentissage profond pour l'analyse quantitative de l'ultrastructure cellulaire
Langue Français
Langue Français
Auteur : Meyer, Cyril
Date de soutenance : 17-11-2023
Directeur(s) de thèse : Naegel, Benoît - Schultz, Patrick
Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Date de soutenance : 17-11-2023
Directeur(s) de thèse : Naegel, Benoît - Schultz, Patrick
Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Discipline : Informatique
Classification : Informatique
Mots-clés libres : Apprentissage profond, Segmentation sémantique, Morphologie mathématique, Segmentation interactive, Annotations faibles, Microscopie électronique, Imagerie cellulaire
Mots-clés :
Classification : Informatique
Mots-clés libres : Apprentissage profond, Segmentation sémantique, Morphologie mathématique, Segmentation interactive, Annotations faibles, Microscopie électronique, Imagerie cellulaire
Mots-clés :
- Apprentissage profond
- Traitement d'images -- Techniques numériques
Type de contenu : Text
Format : PDF
Format : PDF
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2023STRAD045
Type de ressource : Thèse
Identifiant : 2023STRAD045
Type de ressource : Thèse