Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

1 février 2020

Thèse IA et Imagerie médicale


Catégorie : Doctorant


Thèse en imagerie médicale :

Une Assemblée d’IA pour la prédiction des maladies neurologiques

 

Directeur de thèse : Dr. Pierrick Coupé / LaBRI UMR 5800 (pierrick.coupe@labri.fr)

Co-encadrant : Dr. Michael Clément / LaBRI UMR 5800 (michael.clement@labri.fr)

Début : 1er Octobre 2020

Laboratoire : Laboratoire Bordelais de Recherche en Informatique, Université de Bordeaux

Collaborateurs :

  • ·CHU de Bordeaux / Neurocentre Magendie : Dr. Thomas Tourdias
  • ·Institut des neurosciences (INCIA) : Dr. Gwenaëlle Catheline
  • ·Université polytechnique de Valence (Espagne) : Pr. José Manjon

Contexte :

L'imagerie par résonance magnétique (IRM) joue un rôle crucial dans la détection de pathologies, l'étude de l'organisation cérébrale et la recherche clinique. Chaque jour, une grande quantité de données est produite et ce nombre ne cesse d’augmenter, empêchant l'utilisation d'approches manuelles afin de les analyser. Ainsi, le développement de techniques fiables, robustes et rapides pour la détection de pathologies neurologiques devient un domaine important en imagerie médicale. Dans ce projet de thèse, l'objectif est de développer une nouvelle génération de méthodes d'analyse des IRM pouvant détecter automatiquement des maladies neurologiques.

 

 

Objectifs :

Le premier objectif sera de développer de nouvelles méthodes de détection de pathologies en s'attaquant aux limites actuelles de l'apprentissage profond (AP) en imagerie médicale. L’AP est un domaine en plein essor en vision par ordinateur grâce à ses nombreux succès. Cependant, les résultats obtenus par l’AP pour l’aide au diagnostic précoce de maladies neurologiques sont encore assez limités [1]. Dans le cadre de cette thèse, le candidat proposera donc une nouvelle génération de méthodes capable de lever les limites actuelles de l’AP pour l’aide au pronostic. Il s’appuierai notamment sur nos travaux récents sur l’utilisation d’un grand nombre d’IA (plus de 200 réseaux en parallèle) afin de segmenter les IRM du cerveau. Jusqu’à présent, les méthodes d’Intelligence Artificielle (IA) n’arrivaient pas à extraire les nombreuses structures qui composent notre cerveau (plus d’une centaine) à partir d’une IRM. En effet, la complexité du problème mais également le peu de données d’entrainement disponibles mettaient en défaut les méthodes d’AP [2]. Afin de résoudre ce problème, nous avons récemment développé une méthode reposant sur une assemblée d’intelligences artificielles [3]. Inspirée par le fonctionnement d’un système parlementaire, dans notre approche les IA peuvent échanger des informations et participer à la prise de décision par vote. L’utilisation d’un grand nombre d’IA organisées en assemblée permet de simplifier le problème car chaque IA ne traite qu’une sous partie du cerveau mais également d’obtenir une meilleure décision finale car elle est basée sur le consensus de 250 IA travaillant de concert. Si de nombreux travaux existent sur l’amélioration de l’architecture des IA en s’inspirant de la biologie et des neurosciences, nous sommes précurseurs dans l’utilisation d’une grand nombre IA en s’inspirant de la société humaine. Les premiers résultats obtenus montrent une amélioration de plus de 30% de la qualité de segmentation comparée à l’utilisation d’une seule IA. De nombreuses questions restent ouvertes dans cette nouvelle voie de recherche très prometteuse. Quelle est l’organisation optimale de ce grand nombre d’IA ? Comment les faire communiquer efficacement ? Comment améliorer leur apprentissage en utilisant des données non labélisées par apprentissage semi-supervisé ? Le candidat étudiera ces différentes questions et proposera des solutions adaptées au problème traité.

Le second objectif portera sur le développement d’outils spécifiques pour deux pathologies : la sclérose en plaques (SEP) et la maladie d’Alzheimer (MA). Ces deux maladies représentent environ 2,5 millions de personnes atteintes pour la SEP et 46,8 millions de personnes atteintes par la MA dans le monde. Juste pour la MA, le coût mondial associé est estimé à 605 milliards de dollars. Le candidat travaillera étroitement avec nos collaborateurs du CHU de Bordeaux, du Neurocentre Magendie et de l’institut des Neurosciences (INCIA). Il aura donc accès à des experts dans ces deux pathologies. En développant des méthodes pour un diagnostic plus précoces et plus précis, ce projet permettra une meilleure prise en charge du patient, un meilleur traitement et donc une réduction des couts associés. Ainsi, notre projet pourrait jouer un rôle majeur dans la transition vers la médecine P4 (prédictive, personnalisée, préventive et participative) : la médecine proactive de la prochaine décennie.

 

Enfin, le candidat intégrera les outils développés au sein de notre plateforme volBrain (http://volbrain.upv.es) [4]. Cette plate-forme propose un service gratuit et en accès libre à l’ensemble de la communauté scientifique. Elle compte plus de 3000 utilisateurs à travers le monde et a déjà traité plus de 190 000 IRM, soit l’une des plus grosses bases de données au monde. Aujourd’hui, elle est devenue l’une des plateformes internationales les plus reconnues dans le domaine. Cet environnement unique donnera une visibilité internationale à ce travail de thèse.

 

Environnement

Le candidat évoluera au sein d’un consortium regroupant des experts internationaux en imagerie médicale [5], intelligence artificielle [3], maladies neurologiques [6-7] ou encore neuroscience [8]. Le candidat bénéficiera de l’environnement matériel du Laboratoire Bordelais de Recherche en Informatique (serveurs GPU, plate-forme de calcul, etc…). Il sera également en collaboration permanente avec les cliniciens et les neuroscientifiques impliqués dans le projet. De plus, ce projet s’intègre dans une collaboration de longue date avec l’Université Polytechnique de Valence (Espagne) autour de la plate-forme volBrain. Le candidat aura donc l’opportunité d’effectuer des missions en Espagne lors de l’intégration de ses méthodes dans la plate-forme web.

 

Profil du candidat

Le candidat (diplôme d'ingénieur grande école ou Master 2) doit avoir de solides bases en apprentissage profond et apprentissage machine. Il doit également avoir des compétences en traitement d'image et en programmation. Une bonne maitrise de Python, Keras, Pytorch et tensorflow est fortement recommandée. Un bon niveau d'anglais en lecture/écriture est également un élément clé. Un intérêt pour l'imagerie médicale est un plus.

 

Pour postuler, envoyez un dossier contenant un CV, une lettre de motivation, vos relevés de notes, la liste de vos publications (si disponible), le contact de 2 référents pouvant attester de vos compétences ainsi que tout document susceptible de renforcer votre candidature.

 

Références

[1] Wen, Junhao, et al. "Convolutional Neural Networks for Classification of Alzheimer's Disease: Overview and Reproducible Evaluation." arXiv preprint arXiv:1904.07773 (2019).

[2] Huo, Yuankai, et al. "3d whole brain segmentation using spatially localized atlas network tiles." NeuroImage 194 (2019): 105-119.

[3] P. Coupé, B. Mansencal, M. Clément, R. Giraud, B. Denis de Senneville, V.-T Ta, V. Lepetit, J. V. Manjon. AssemblyNet: A Novel Deep Decision-Making Process for Whole Brain MRI Segmentation. MICCAI'19, 2019.

[4] J. V. Manjon and P. Coupé. volBrain: an online MRI brain volumetry system. Frontiers in Neuroinformatics, 30:10, 2016

[5] P. Coupé, J. V Manjon, V. Fonov, J. Pruessner, M. Robles, D. L. Collins. Patch-based Segmentation using Expert Priors: Application to Hippocampus and Ventricle Segmentation. NeuroImage, 54(2): 940–954, 2011.

[6] V. Planche, I. Koubyr, J. E. Romero, J. V. Manjon, P. Coupé, M. Deloire, V. Dousset, B. Brochet, A. Ruet, T. Tourdias. Regional hippocampal vulnerability in early multiple sclerosis: a dynamic pathological spreading from dentate gyrus to CA1. Human Brain Mapping, 39(4), 1814-1824, 2018.

[7] P. Coupé, J. V. Manjon, E. Lanuza, G. Catheline. Lifespan changes of the human brain in Alzheimer's disease. Nature Scientific Report, 2019.

[8] P. Coupé, G. Catheline, E. Lanuza, J. V. Manjon. Towards a unified analysis of brain maturation and aging across the entire lifespan: A MRI analysis. Human Brain Mapping, Human Brain Mapping, 38 (11), 5501-5518, 2017

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.