Analyse de l'architecture des tissus tumoraux dans le cas du cancer du rein

30 Novembre 2022

---

Catégorie : Stagiaire

---

Encadrant :Xavier DescombesCollaborateurs : Damien Ambrosetti (CHU de Nice)

Laboratoire : Morpheme, INRIA/I3S/iBV ( https://team.inria.fr/morpheme/)

Email: Xavier.Descombes@inria.fr

Lieu: I3S, 06902 Sophia Antipolis

Mots clés : Graphes, Classification, Apprentissage, Histopathologie

 

Pour qualifier un tissu tumoral (type de cancer, grade), le praticien utilise trois types d'information, à savoir les noyaux, les cellules (via leur cytoplasme) et l'architecture (agencement spatial des cellules). L'objectif général de ce projet est de fournir un outil numérique pour extraire et quantifier automatiquement ces trois sources d'information afin d'aider l'histopathologiste dans son analyse.Pour ce faire nous avons dans un premier temps développé un algorithme de détection des noyaux à partir duquel nous pouvons extraire les caractéristiques de ces noyaux ainsi que du cytoplasme qui les entoure. Ces caractéristiques ont permis d'obtenir une première classification et par conséquent une caractérisation des différents tissus (sain, tumoral, fibreux).

L'objectif de ce stage est de caractériser l'architecture des tissus. A partir de la détection des noyaux, un graphe peut être construit. Chaque noyau représente un nœud, étiqueté par la classification des noyaux, alors que les arêtes sont définies par les relations d'adjacence entre les cellules, définies par exemple par une triangulation de Delaunay. Le travail consiste alors à développer un outil de classification des graphes obtenus sur les différents tissus. On s'attachera à définir un algorithme explicable, c'est-à-dire capable d'extraire les motifs locaux (ensemble de cellules adjacentes) caractéristiques des différentes classes. Une première idée serait d'associer un "code barre" à chaque noyau contenant des informations sur sa classe et celles de ses voisins. La validation s'effectuera sur une base de données d'images histopathologiques du cancer du rein en partenariat avec le CHU de Nice.

 

Connaissances requises : apprentissage machine, statistiques, programmation Python.