Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

8 avril 2019

Quantification automatique de la sécheresse oculaire par intelligence artificielle au cours du syndrome de Sjögren


Catégorie : Doctorant


l’UMR 1227 « Lymphocytes B et AutoImmunité » et le LaTIM (UMR Inserm 1101) recherchent un ou une candidat(e) pour une thèse sur la quantification automatique de la sécheresse oculaire par intelligence artificielle au cours du syndrome de Sjögren. La thèse est co-financée par le projet européen IMI2 NECESSITY et la Région Bretagne.

Contexte socioéconomique et scientifique

De par l’évolution de notre environnement et de notre mode de vie, de plus en plus de personnes souffrent de sècheresse oculaire. Ainsi, d’après une étude récente, ce syndrome concernerait près de 7 % de la population américaine adulte. Parmi les personnes présentant une sécheresse oculaire, certains patients souffrent d’une maladie auto-immune appelée le syndrome de Sjögren, caractérisé par une inflammation des glandes salivaires et lacrymales. Chez ces patients, la sécheresse oculaire peut être sévère et nécessite des traitements symptomatiques ou spécifiques. Cependant, aucun traitement de fond n’a prouvé son efficacité pour modifier l’évolution de la maladie et éviter les lésions oculaires.

Hypothèses et questions posées

La mesure de la sècheresse oculaire s’appuie notamment sur un e amen de la surface de l’oeil (cornée et sclère) à l’aide d’une lampe à fente (ou biomicroscope). L’ophtalmologiste dépose préalablement sur la cornée un produit de contraste puis observe plusieurs signes de sècheresse. Tout d’abord, il mesure le temps que met le film lacrymal pour se déchirer suite à un clignement d’oeil, un temps court indiquant un film fin. Ensuite, il détecte les zones de la surface oculaire endommagées par la sècheresse. Ces zones se présentent sous la forme de points, de tâches ou de filaments en fonction de leur nombre et de leur localisation, un degré de sècheresse oculaire peut être déterminé. Le problème de ces mesures est qu’elles sont peu précises et peu reproductibles. Ces limitations empêchent une quantification fiable de l’évolution de la sècheresse oculaire chez un patient. En particulier, elles ne permettent pas de mesurer l’effet d’un traitement de manière satisfaisante. Notre objectif est donc de mettre en place une intelligence artificielle destinée à effectuer ces mesures de manière précise et reproductible.

Grandes étapes de la thèse

Les objectifs de cette thèse sont multiples et concernent le traitement automatisé des vidéos du segment antérieur de l’oeil en utilisant intensivement les réseaux de neurones à convolutions. Une base de données de vidéos sera acquise spécifiquement pour ce travail, au cours d’études cliniques incluant des patients suivis pour un syndrome de Sjögren primitif dans le cadre du projet européen IMI2 NECESSITY. Sur ces vidéos, l’étude de la qualité du clignement et la détermination du temps de déchirement du film lacrymal seront le premier objectif. Une classification tenant compte du contexte temporel pourra être envisagée (RNN). Il faudra ensuite proposer une solution pour calculer automatiquement le « score Oxford » correspondant à la localisation et la densité des atteintes oculaire de la sécheresse. Cette seconde partie nécessitera un recalage entre les différentes images du flux vidéo, une détermination automatique du moment propice au calcul du score et une segmentation des lésions visibles.

La personne choisie pour effectuer ce travail s’appuiera sur les travau déjà effectués par l’équipe de l’UMR 1227 « Lymphocytes B et AutoImmunité » (qui s’intéresse particulièrement au aspects immunologiques et cliniques du syndrome de Sjögren), l’équipe Imagine du LaTIM (UMR Inserm 1101) pour la recherche en traitement d’images en ophtalmologie, et collaborera étroitement avec des rhumatologues et ophtalmologistes du CHRU de Brest.

Compétences scientifiques et techniques

Requises : connaissances en traitement d’images

Souhaitées : Programmation C++ ou Python, CNN (réseaux de neurones à convolutions)

Références

Contact

Les personnes intéressées sont invitées à contacter les deux directeurs de thèse, Divi Cornec (divi.cornec@chu-brest.fr) et Gwenolé Quellec (gwenole.quellec@inserm.fr), ainsi que l'encadrant, Mathieu Lamard (mathieu.lamard@univ-brest.fr).

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2019.