Technologies d'avenir en santé. TechSanté QC
Conférencier

Tess Berthier

Research Scientist
Imagia

Tess Berthier est une chercheuse à Imagia (Montreal). Elle a obtenu un Master de physique fondamentale à l’Université Paris-Saclay (France) avec un diplôme en épigénétique à l’Institut Pasteur (France). Sa thématique principale de recherche se base sur l’interprétabilité et explicabilité des méthodes de Deep Learning appliquées à l’imagerie médicale. À travers sa co-supervision des stagiaires dans l’équipe Open Innovation, Imagia contribue à la communauté en IA tout en entretenant la découverte de solutions en médecine personnalisée. En temps que co-organisatrice de la conférence «Medical Imaging with Deep Learning (MIDL) 2020 » et le Symposium d’IA de Montreal (MAIS) 2020, elle relie la recherche fondamentale et appliquée entre l’académie et l’industrie.


L’interprétabilité en Apprentissage Profond appliqué à l’imagerie médicale

Les avancées récentes dans le domaine de l’apprentissage profond ont grandement bousculé les domaines scientifiques et technologiques, notamment celui de la santé. Toutefois, malgré des résultats comparables à des experts humains, la majorité des algorithmes sont des boîtes noires dont il est difficile d’interpréter les résultats, ce qui ne joue pas en leur faveur pour des taches aussi importantes qu’un pronostic vital. Dans cette présentation il sera question de passer en revue plusieurs méthodes d’interprétabilité en apprentissage profond et leurs biais en imagerie médicale - en passant par des techniques soulignant les zones importantes lors d’une prédiction dans une image à des méthodes comparant les critères/concepts utilisés par un expert à ceux d’un réseau de neurone.