Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

30 mars 2018

Prévention des risques d’AVC par apprentissage profond (2018-2021)


Catégorie : Doctorant


Résumé du sujet de thèse

Ce travail de recherche est financé par l’entreprise Toshiba, en collaboration avec le laboratoire CNRS UMR 7252 XLIM (convention CIFRE). Il a pour thème l’étude et l’élaboration de techniques d’apprentissage profond pour l’analyse de données à caractère biomédical. La prévention des risques d’Accidents Vasculaires Cérébraux (AVC) sera au cœur de ce travail : les données brutes issues de systèmes d’imagerie médicale et des dossiers de suivi de patients seront mis à profit pour alimenter un algorithme d’aide au diagnostic. Les candidatures retenues devront présenter un profil de formation informatique /science des données/biologie.

Contexte

L’AVC est un déficit neurologique d’origine vasculaire, un arrêt brutal de la circulation sanguine au niveau du cerveau. Il survient lorsque le flux sanguin est bloqué par un caillot sanguin (thrombose). C’est aujourd’hui l’une des causes principales d’invalidité et de mortalité dans le monde selon l’Organisation Mondiale de la Santé (OMS). En France, en 2010, 130 000 personnes ont été frappées d'un AVC et 32 500 en sont décédées (3). Les symptômes de l’AVC sont nombreux (engourdissement, mal de tête, confusion, tremblements, etc.).

Si le scanner confirme le diagnostic et permet de déterminer la cause d’un AVC, d’autres examens d’imagerie, tels que l’échographie Doppler, suscitent une grande ferveur dans la prévention et la prise en charge. L’échographie Doppler est en effet une technologie d'imagerie non invasive, peu coûteuse, sûre et rapide. Les recherches actuelles (6 à 8) utilisant cette technologie sont axées sur le développement de nouvelles approches susceptibles d'améliorer la qualité de l'imagerie et la précision du diagnostic.

Ces nouvelles données d’imagerie, associées aux données contextuelles du patient (antécédents personnels ou familiaux, conduites de vie, alimentation, données dites radiomics et génétiques …) permettent de développer des algorithmes d'apprentissage sélectionnant seuls le modèle optimal pour décrire les phénomènes liés à un AVC.

L’objectif de la thèse est donc de développer des méthodes d’analyse d’images scanner et d’échographie Doppler par apprentissage profond (deep-learning) à partir de données obtenues sur des patients présentant un AVC ou un risque d’AVC. Elles devront mener au développement d’un outil non-intrusif d’assistance à la prise de décision pour les médecins capable par exemple :

Profil recherché

Les candidat.e.s de profil bac+5 informatique, science des données et/ou biologie, ayant de préférence déjà travaillé dans le monde de la recherche (stage), retiendront toute notre attention. La maîtrise de l'anglais est indispensable.

Contacts

Thierry.urruty@univ-poitiers.fr

Bibliographie

  1. Aho K, Harmsen P, Hatano S, Marquardsen J, Smirnov VE, Strasser T. Cerebrovascular disease in the community: results of a WHO collaborative study. Bull World Health Organ. 1980;58(1):113‑30.
  2. Mozaffarian D, Benjamin EJ, Go AS, Arnett DK, Blaha MJ, Cushman M, et al. Heart disease and stroke statistics -- 2015 update: a report from the American Heart Association. Circulation. 27 janv 2015;131(4):e29‑322.
  3. Les chiffres clés de l’AVC -Ministère des Affaires sociales, de la Santé et des Droits des femmes -www.sante.gouv.fr [Internet]. [cité 19 oct 2015]. Disponible sur: http://www.sante.gouv.fr/les-chiffres-cles-de-l-avc.html
  4. Rapport de l’ANAES, “IMAGERIE DE L’ACCIDENT VASCULAIRE CÉRÉBRAL AIGU », JUIN 2012 ;
  5. Anne Claire Nonnotte , Échographie Doppler des troncs supra-aortiques, Imagerie médicale, publié dans Elsevier masson BlogMai 17, 2017
  6. Sarkar S, Ghosh S, Ghosh SK, Collier A. Role of transcranial Doppler ultrasonography in stroke. Postgraduate Medical Journal. 2007;83(985):683-689. doi:10.1136/pgmj.2007.058602
  7. Oliver Faust, U. Rajendra Acharya, Vidya K. Sudarshan, Ru San Tan, Chai Hong Yeong, Filippo Molinari, Kwan Hoong Ng. Computer aided diagnosis of Coronary Artery Disease, Myocardial Infarction and carotid atherosclerosis using ultrasound images: A review. Physica Medica journal. Elsevier. 2017
  8. Miroslaw Wrobel, Andrzej Dabrowski, Adam Kolany, Anna Olak-Popko, Robert Olszewski, Pawel Karlowicz. On ultrasound classification of stroke risk factors from randomly chosen respondents using non-invasive multispectral ultrasonic brain measurements and adaptive profiles

Dans cette rubrique

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