Hervé Lombaert : le langage des formes dans l’imagerie médicale

Les médecins disposent souvent d’images de piètre qualité pour établir leur diagnostic : images volumineuses, bruitées, aux contours peu perceptibles, rendant la lecture difficile. Pour Hervé Lombaert, professeur au Département de génie logiciel et des TI, l’analyse de formes par ordinateur est prometteuse pour interpréter l'imagerie médicale, mais elle demande de repenser notre façon d’aborder les formes.

Quand l'imagerie médicale progresse grâce à l’intelligence artificielle, la vision par ordinateur et les mathématiques

Les recherches du professeur Lombaert se situent au carrefour de l’intelligence artificielle, de la vision par ordinateur, des mathématiques et de la médecine. Au cœur de ses travaux:   l'analyse de formes complexes pour détecter des anomalies biologiques, l'application d'apprentissage statistique et de vision par ordinateur pour mieux comprendre le vivant, et l'analyse d'images médicales pour modéliser des populations et des maladies.

Développer des modèles plus rigoureux pour lire le cerveau

Selon le professeur Lombaert, notre façon d’analyser les formes n'est pas optimale car nous le faisons à partir d’informations géométriques extrinsèques, en simplifiant voire ignorant leur nature intrinsèque.

C’est le cas de la surface du cerveau, composée d’une multitude de sillons aux formes variées et d’une grande complexité géométrique, qu'on aborde pourtant encore comme une simple sphère, ce qui réduit drastiquement la précision des données. 

Le travail consiste alors à développer des algorithmes permettant d’exploiter cette géométrie de formes et de données afin de construire des modèles numériques plus rigoureux.

Intégrer la notion de temps dans les images du cœur

Hervé Lombaert a fait progresser les capacités d’interpréter les images du cœur et d’y repérer des anomalies, en représentant sa structure au moyen de modèles mathématiques précis. Ces modèles ont la particularité de tenir compte du temps, en plus des trois dimensions habituelles, car le cœur change continuellement de forme.

La théorie spectrale des graphes pour aborder la complexité des formes

Le professeur s’intéresse également à la théorie spectrale des graphes. La nécessité d’aborder les formes jusque dans leurs détails les plus fins a entraîné le développement d’un nouveau paradigme pour établir des statistiques sur des formes biologiques complexes.

L’intelligence artificielle pour analyser l'imagerie médicale

Malgré toutes les méthodes algorithmiques d’apprentissage-machine développées jusqu’à présent, l’analyse des images médicales reste un défi. Le professeur développe des approches statistiques pour améliorer l’analyse automatique en imagerie médicale, en se concentrant plus spécifiquement sur l’exploitation de la géométrie de formes et de données.

La cartographie des formes pour détecter les anomalies

Il travaille également à la conception de cartes géographiques indiquant la forme moyenne d'un organe et sa variabilité dans une région donnée. En connaissant la norme, on pourra automatiquement détecter les anomalies chez un individu. Un premier atlas statistique sur les fibres cardiaques chez l’humain a ainsi vu le jour, marquant de façon importante la modélisation du cœur.