Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

30 octobre 2017

Etude exploratoire à très grande échelle de populations de neurones


Catégorie : Stagiaire


RESPONSABLE : Thierry Delzescaux (thierry.delzescaux@cea.fr)

ÉQUIPE D’ACCUEIL :

CEA-MIRCen, LMN (Laboratoire des Maladies Neurodégénératives), Equipe traitement de l’image
18, route du Panorama - BP N° 6
92265 - Fontenay aux Roses Cedex

http://i2bm.cea.fr/drf/i2bm/Pages/mircen.aspx

DUREE DU STAGE : 6 mois (début prévu à partir de mars)

 

INFORMATION DETAILLÉE

Contexte :

Les neurones constituent une composante primordiale du cerveau. A ce titre de nombreuses études ont été menées en recherche préclinique pour dresser des cartographies de ces populations de cellules pour mieux comprendre leur développement, leur organisation que ce soit dans des cas sains mais également pathologiques tels que les maladies neurodégénératives (Alzheimer, Parkinson, Huntington, etc.). La plupart des études se sont limitées à quelques régions du cerveau du fait de la dimension très importante des données acquises à l’échelle cellulaire par microscopie optique (une seule coupe histologique peu atteindre plus de 150 giga-octets). De plus, il est particulièrement difficile de segmenter les neurones et de séparer ceux qui sont accolés en 2D (Figure 1, a1-a3). Malgré ces limitations, il existe aujourd’hui une attente très forte de la communauté des neurosciences pour avoir accès à des solutions algorithmiques efficaces et pouvant traiter de très grands volumes de données, idéalement à l’échelle de cerveaux entiers ce qui n’a jamais été réalisé jusqu’à présent.

Descriptif :

L’objectif de ce travail de stage sera d’optimiser et d’étendre les développements réalisés au sein de notre laboratoire sur la segmentation et l’individualisation des neurones. Des premiers résultats très prometteurs ont d’ores et déjà été obtenus à l’échelle de quelques régions anatomiques d’intérêt à l’occasion d’une thèse (Figure 1) [1]. Le principal verrou à lever dans ce travail sera d’étendre les fonctionnalités de notre méthode à des données très massives pouvant aller de quelques centaines de giga-octets à plusieurs dizaines de téra-octets. Ceci impliquera de trouver des stratégies ad-hoc pour adapter les codes en tenant compte des contraintes matérielles (utilisant le cluster de calcul CPU). La validation de ce travail sera réalisée en collaboration étroite avec les biologistes de la plateforme d’histologie de MIRCen pour mener la première campagne d’exploitation des cartographies de populations de neurones produites.

Au cours de ce travail, le stagiaire aura plusieurs missions :

1°) Se familiariser avec les codes déjà développés pour segmenter les neurones (segmentation couleur avec des techniques de machine learning de type Random Forest ; détection optimale des centroïdes de cellules ; algorithmes de croissance de région ; création multi- échelle de cartographie de population de cellules, etc.) (Figure 1),

2°) Identifier et implémenter les développements algorithmiques à réaliser dans les codes / librairies de l’environnement logiciel BrainVISA du laboratoire (http://brainvisa.info) pour étendre le champ d’application de ces méthodes à des données très massives,

3°) Valider les développements réalisés au cours du stage dans le cadre d’une étude pilote qui sera menée en collaboration avec des neurobiologistes de MIRCen en analysant le potentiel informatif des nouvelles données produites à grande échelle (nouveaux paramètres biologiques accessibles, opportunités de répondre à des questions biologiques non résolues à ce jour, etc.).

Compétences requises :

Au cours de ce stage, le candidat sera amené à interagir principalement avec l'équipe de traitement de l'image de MIRCen (informaticiens, méthodologistes en traitement de l’image, etc.) et les neurobiologistes de la plateforme d’histologie. Il est demandé d'avoir une très bonne connaissance des environnements Linux et Windows, de maîtriser la programmation dans les langages C, C++ et Python, d'avoir des connaissances dans le domaine de la parallélisation et du calcul haute performance (CPU). Des connaissances générales des techniques de traitement de l’image (segmentation, machine learning) et d'un outil de gestion de sources (subversion) serait un plus. Il est également nécessaire de savoir utiliser les suites bureautiques standards (Open Office, Office). Le stagiaire bénéficiera pour réaliser ces développements des savoirs faire, de l’encadrement des équipes du CEA et de l'infrastructure informatique existante (serveurs de calculs internes, plateforme logicielle). De bonnes capacités d’adaptation à des environnements multidisciplinaires, de coordination et de travail en équipe sont également requises pour ce projet.

Formation requise :

Ecole ingénieur, Master de recherche dans les sciences de l’information, traitement de l’image et du signal.

Rémunération :

A définir en fonction de la formation du candidat directement avec le responsable du stage.

[1] You Z. et al., “Automated cell individualization and counting in cerebral microscopic images”, conf. ICIP, 2016.

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.