Super-résolution d'images thermiques d'enfants en soins intensifs pédiatriques

Ce travail de recherche porte sur la super-résolution d’images thermiques. Il a été développé pour améliorer le monitorage des enfants en soins intensifs pédiatriques. En effet, l’utilisation de caméras thermiques permettrait d’orienter et de faciliter le travail du personnel médical vers les cas les plus sévères, visant ainsi à améliorer l’organisation du travail du personnel soignant dont les effectifs sont très tendus. Les caméras thermiques ont de nombreuses applications dans le milieu médical. Elles permettent une surveillance non-invasive (qui ne gêne pas le patient) tout en permettant l’accès à sa température ou à la position de ses membres sous une couverture. Cependant, le coût à l’achat d’une caméra thermique de bonne qualité, avec une grande résolution, demeure très élevé. Il existe des caméras thermiques bon marché mais avec une résolution très dégradée. L’objectif de ce travail de recherche est de pouvoir exploiter les images thermiques en augmentant la qualité des images acquises avec des caméras thermiques de faible résolution. Ce processus d’augmentation de la qualité d’une image est appelé super-résolution (SR). Cette tâche de vision par ordinateur est une tâche qui a été très étudiée ces dernières années et dans ce mémoire nous présentons une nouvelle architecture de réseau de neurones avec des résultats très compétitifs. L’originalité de ce travail de recherche porte sur le fait d’utiliser l’image du spectre du visible dans le but d’améliorer la qualité de l’image thermique tout en assurant une robustesse de la méthode dans le cas où une modalité manquerait.

Abstract

This research focuses on thermal image super-resolution, developed to enhance monitoring in pediatric intensive care units. The use of thermal cameras could guide medical staff toward the most severe cases, thereby improving workflow organization in teams that are often understaffed. Thermal cameras have numerous applications in the medical field. They enable non-invasive monitoring (avoiding patient discomfort) while providing access to vital information such as body temperature or limb positioning, even under a blanket. However, the cost of highresolution, high-quality thermal cameras remains prohibitively expensive. More affordable thermal cameras exist but typically suffer from significantly reduced resolution. The goal of this research is to leverage thermal images by enhancing the quality of images captured by low-resolution thermal cameras. This process of improving image quality is known as super-resolution (SR). This computer vision task has been extensively studied in recent years. In this work, we present a novel neural network architecture that achieves highly competitive results. The originality of this research lies in leveraging visible-spectrum images to improve the quality of thermal images while ensuring the robustness of the method in cases where one modality may be unavailable.