Représentation uniforme de l'imagerie médicale

The medical field is a vast area of application for artificial intelligence. Despite recent advances, there is still a lot of room for innovation and improvement in the face of major challenges. Deep learning, on the other hand, represents an important perspective in many areas and in particular in the field of medical imaging.In the deployment of this technique, an important restriction is related to data, its availability and confidentiality. In this thesis, we propose to offer medical experts new tools to use deep learning with a limited amount of data.We also point out the danger of pseudo-anonymization and propose a pipeline allowing true anonymization related to the patient's identity and the acquisition equipment.Le domaine médical est un vaste domaine d’application de l’intelligence artificielle. Malgré les avancées récentes, il y reste une large marge d’innovation et d’amélioration face à des enjeux majeurs. L’apprentissage profond de son côté représente une perspective importante dans de multiples domaines et en particulier dans celui de l’imagerie médicale.Lors du déploiement de cette technique une restriction importante est liée aux données, leur disponibilité et leur confidentialité. Dans ce travail de thèse, nous proposons d’offrir aux experts médicaux de nouveaux outils pour utiliser l’apprentissage profond avec une quantité limitée de données.Nous soulignons également le danger de la pseudo-anonymisation et nous proposons un pipeline permettant une véritable anonymisation liée à l’identité du patient et à l’équipement d’acquisition