Apprentissage automatique pour l'exploration d'imagerie moléculaire par spectrométrie de masse

Le but de ce travail est d'évaluer des méthodes d'apprentissage automatique supervisé (p.ex.: arbres de décision, SVMs, …) et non-supervisé (p.ex. clustering hiérarchique, …) pour faciliter l'exploration de données d'imagerie moléculaire par spectrométrie de masse.

L'étudiant travaillera en collaboration avec notre équipe et le Laboratoire de Spectrométrie de Masse du GIGA sur des images d'histologie moléculaire relative au cancer.



Bibliographie

Renseignements