Annonce

Les commentaires sont clos.

Stage M2/Ingé au LIS Marseille: Analyse d’images de microscopie électronique par réseaux profonds.

18 Novembre 2022


Catégorie : Stagiaire


Dans le cadre d’un projet collaboratif de recherche biomédicale sur l’endocardite infectieuse (EI) nous souhaitons développer une approche par réseaux profonds (deep-learning) pour la segmentation d’images de microscopie électronique à balayage dans le but d’analyser l’ultrastructure de valves cardiaques.

Sur une durée de 4 à 6 mois le stage se déroulera dans les locaux du LIS à Marseille avec la gratification d'usage.

Contact : marc-emmanuel.bellemare@univ-amu.fr

 

Ce projet s’appuie sur une collaboration entre le laboratoire Informatique et Systèmes, expert dans l’analyse d’image, et le laboratoire Mephi, expert en microbiologie et en microscopie électronique. L’EI est une pathologie grave, associée à un diagnostic difficile et une grande mortalité. Elle est caractérisée par une infection bactérienne ou fongique de l’endocarde avec une destruction des valves cardiaques et la formation d’un dépôt fibrino-plaquetaire inflammatoire et infecté, ou végétation. Malgré l'amélioration des stratégies diagnostiques et thérapeutiques, l'incidence et la gravité de la maladie semblent rester inchangées au fil des ans. La microscopie électronique à balayage (MEB) est une technique de microscopie électronique capable de produire des images en haute résolution de la surface d’un échantillon. Par une approche innovante par MEB, a démontré une hétérogénéité de l’ultrastructure des vegetations d’EI qui dépend du microorganisme infectieux. Cette approche innovante a ainsi montré sa force mais elle s’appuie sur une analyse experte des images qui reste manuelle et fastidieuse.

L’objectif du stage est de développer une méthode à base de réseaux profonds pour accélérer l’analyse des images des végétations, c’est-à-dire pour identifier et quantifier automatiquement les éléments biologiques présents (plaquettes, fibrine, globules, bactéries). Pour cela, il s’agira dans un 1er temps de définir la meilleure stratégie de segmentation en tenant compte des différentes résolutions disponibles. Dans un 2nd temps il s’agira de choisir une architecture de réseaux de neurones profonds (avec un « pipeline » de traitements adaptés). Nous disposons déjà d’une base importante d’images d’échantillons de valves cardiaques pathologiques qui permettra grâce à nos expertises de définir le meilleur protocole d’étude à implémenter en routine avec une attention particulière portée sur la précision des réseaux profonds.

Lieu: Le stage se déroulera à Marseille dans les locaux de l’équipe Image & Modèles du LIS à St Jérôme (site de Polytech’)

Qualifications: Le candidat ou la candidate de niveau Bac+5, formé(e) au traitement des images, sera intéressé(e) par un projet pluridisciplinaire et l’imagerie médicale. La programmation des algorithmes se fera avec le langage python et les réseaux profonds seront développés avec l’API PyTorch. Des compétences en classification ou en mathématiques appliquées seront particulièrement appréciées.

Période: Le stage aura une durée de 4 à 6 mois entre février 2023 et juillet 2023.

Financement: Le stagiaire recevra la gratification d’usage, de l’ordre de 550€ par mois, prise en charge par l’institut d’établissement Marseille Imaging.

Candidature : Les candidats sont invités à transmettre leurs candidatures par mél. Le dossier de candidature comprendra un CV détaillé, une lettre de motivation pour le projet et les derniers relevés de notes.

Publications associées:
•Habib G, Erba PA, Iung B, Donal E, Cosyns B, Laroche C, Popescu BA, Prendergast B, Tornos P, Sadeghpour A, Oliver L, Vaskelyte JJ, Sow R, Axler O, Maggioni AP, Lancellotti P; EURO-ENDO Investigators. Clinical presentation, aetiology and outcome of infective endocarditis. Results of the ESC-EORP EURO-ENDO (European infective endocarditis) registry: a prospective cohort study. Eur Heart J. 2019 Oct 14;40(39):3222-3232. doi: 10.1093/eurheartj/ehz620.
•Hannachi N, Lepidi H, Fontanini A, Takakura T, Bou-Khalil J, Gouriet F, Habib G, Raoult D, Camoin-Jau L, Baudoin JP. A Novel Approach for Detecting Unique Variations among Infectious Bacterial Species in Endocarditic Cardiac Valve Vegetation. Cells. 2020 Aug 13;9(8):1899. doi: 10.3390/cells9081899.
•A. Khadangi, T. Boudier and V. Rajagopal, "EM-net: Deep learning for electron microscopy image segmentation," 2020 25th International Conference on Pattern Recognition (ICPR), 2021, pp. 31-38, doi: 10.1109/ICPR48806.2021.9413098.
•Hostin. M.-A, Ogier A. C, Pirró N, Bellemare M.-E, "Combining loss functions for deep learning bladder segmentation on dynamic MRI", 2021 IEEE EMBS International Conference on Biomedical and Health Informatics (BHI), 2021, pp. 1-4, doi: 10.1109/BHI50953.2021.9508559.