Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

3 décembre 2020

Prédiction de survie de patients atteints de gliomes : analyse histologique par apprentissage profond, et génération d’images de prédiction simulées par algorithme type GAN.


Catégorie : Stagiaire


Les tumeurs cérébrales sont relativement rares : seulement 2% des cancers, soit une incidence de 18 cas pour 100,000 habitants. Soit 540,000 à l'échelle mondiale. Mais ont une morbidité importante puisqu'une personne diagnostiquée pour une tumeur au cerveau aurait seulement, en moyenne, 18 % de chances de vivre plus de 5 ans à la suite de son diagnostic comparativement à une personne dans la population générale.

En partenariat avec l'APHP, l'équipe SIAM du laboratoire IBISC conduit un projet sur des techniques d'apprentissage profond, en particulier CNN et RNN, afin de prédire la survie et d'autres paramètres cliniques des patients atteints de lymphosarcomes en intégrant des images multimodales d'IRM et des images d’histologie (biopsie), parfois avec un suivi longitudinal.

Dans le cadre de ce projet de recherche, nous recherchons un stagiaire pour nous assister sur deux éléments importants : l'analyse des images histologiques et la création d'images simulées de glioblastomes.

 

Dans le cadre de ce projet de recherche, nous recherchons un stagiaire pour nous assister sur deux éléments importants :

  1. Analyser les images histologiques obtenues lors des biopsies afin de les combiner avec les images IRM pour améliorer les prédictions de survie. L’analyse d’images histologiques présente plusieurs difficultés, notamment la taille très importante des images qui excède très largement les tailles traitées habituellement par les réseaux CNN, le manque d’annotations par des praticiens sur ce type d’images lié à leur complexité, et la variabilité importante des annotations d’un praticien à un autre, qui rendent l’apprentissage supervisé difficile. Ainsi, l’analyse d’images histologiques reste un champ de recherche ouvert.
  2. Créer des images simulées de glioblastomes à l’aide d’un réseau de neurone génératif (e.g. GAN). Si notre base de données s’avère suffisante, ce réseau génératif pourra être utilisé afin de simuler l’évolution du glioblastome dans le temps afin d’apporter une aide à la décision supplémentaire pour le praticien.


Nous recherchons un(e) candidat(e) pour un stage de fin d’études M2, Bac +5, avec un bon niveau en mathématiques appliquées, traitement du signal, statistiques, informatique (Python, C/C++ sont un plus), apprentissage profond, traitement d’image..., et intéressé(e) par les applications médicales de l’apprentissage profond.

Merci d’adresser votre candidature avec un CV, vos relevé de notes des deux dernières années et vos références à Jean-Philippe Congé (congej@yahoo.fr)

Equipe SIAM (Signal, Image, AutoMatique) – Laboratoire IBISC

Université d’Evry val-d’Essonne, Université Paris-Saclay

 

Dans cette rubrique

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