Annonce

Les commentaires sont clos.

[stage Master 2 Recherche] Modélisation statistique de la réplétion vésicale pour une application en radiothérapie externe

2 Janvier 2023


Catégorie : Stagiaire


Durée 5-6 mois à partir de Février-Mars (flexible)

Encadrants et lieu de stage : Jean-Louis Dillenseger (LTSI, Université de Rennes) et Caroline Lafond (Centre Eugène Marquis, Rennes)

 

Contexte clinique :

La radiothérapie guidée par l’image (IGRT) permet de visualiser les variations anatomiques survenant en cours de traitement grâce à l’utilisation d’imageurs associés aux accélérateurs linéaires d’électrons qui fournissent des images de type Cone Beam Computed Tomography. Les modifications anatomiques, en cas de techniques de radiothérapie conformationnelle avec modulation d’intensité (RCMI), peuvent entraîner de fortes disparités entre la dose planifiée et la dose réellement délivrée au patient. Les nouvelles recommandations françaises (RECORAD) font évoluer les pratiques cliniques vers une systématisation des CBCT quotidiens en particulier pour les localisations pelviennes. Pour aider à une prise de décision quotidienne concernant la réalisation ou non du traitement, une simulation de la réplétion vésicale à différents niveaux permettrait de quantifier l’impact dosimétrique de ces variations anatomiques.

L’objectif serait de développer un outil qui sur la base des contours initiaux de la vessie obtenus sur une imagerie scanner de planification permettrait de simuler des contours de vessie correspondant à différentes réplétions vésicales. Les contours initiaux seraient exportés en format DICOM RT Structures Set et les contours de vessie simulés devront être également dans ce même format pour pouvoir les importer dans le logiciel de planification (Treatment Planning System).

Cohorte pour la modélisation : 59 patientes ayant eu 3 scanners de planification correspondant à un remplissage de vessie intermédiaire, plein et vide.

 

Sujet de l’étude :

L’idée générale du sujet est de modéliser les différents modes de déformation de la vessie à l’aide d’un outil de statistiques de forme à partir des 3 scanners (correspondant à des remplissages différents) des 59 patientes. Ce modèle est ensuite utilisé pour prédire la forme la plus probable pour un remplissage donné.

Ce travail implique d’effectuer des méthodes de recalage 3D (d’alignement) entre les différents scanners et entre les différentes patientes. D’utiliser une méthode de mesure et de modélisation statistique (par exemple à l’aide d’une analyse en composantes principales ou plus directement en utilisant de l’apprentissage profond – deep Learning). Ce travail nécessite également d’adapter des outils de conversions de formats d’images pour adapter l’outil aux différentes sources ou logiciels externes.

Le travail s’inscrit dans une collaboration entre le LTSI (Laboratoire du Traitement du Signal et de l’Image) et le Centre Eugène Marquis.

 

Profil du candidat :

Un étudiant en cours de Master 2 ou en École d’ingénieur avec comme spécialisation le traitement d'images, et/ou en méthodes numériques liée l’apprentissage automatique ou profond, et/ou en ingénierie biomédicale. Une expérience dans les domaines des traitements d'images, apprentissage automatique et apprentissage profond est souhaitable.

Ce projet nécessitera une implémentation informatique des méthodes nécessitant une connaissance et une manipulation aisée des outils informatiques (Linux, utilisation de bibliothèques spécialisées, éventuellement l’utilisation de clusters de cartes graphiques pour l'apprentissage profond, ...). Une solide connaissance préalable de Python et de son utilisation pour l’utilisation de différentes bibliothèques de traitement faciliterait grandement le début du stage.

 

Contacts

Jean-Louis Dillenseger: jean-louis.dillenseger@univ-rennes1.fr

Caroline Lafond: c.lafond@rennes.unicancer.fr