Proposition de thèse : « ViZion », Méthodes d’intelligence artificielle pour l’imagerie multiphotonique de virus et bactéries


ViZion

L’ED SISMI propose le sujet de thèse suivant :

Intitulé du sujet : « ViZion », Méthodes d’intelligence artificielle pour l’imagerie multiphotonique de virus et bactéries

Ce projet serait sous la direction de Claire LEFORT du laboratoire XLIM à l’Université de Limoges

Co-directeurs renseignés : Jean-Christophe PESQUET /

Les financement sont : 1/2 Financement institutionnel (acquis) + 1/2 financement ingénieur CentralSupélec (en cours de montage)

Le début de la thèse est prévu pour : 12/2021

Mots clés du sujet : Intelligence Artificielle, Imagerie multiphotonique, virus et bactéries

Présentation du sujet :
Nous proposons d’introduire l’intelligence artificielle, via une approche de réseaux de neurones, dans le traitement des images réalisées en microscopie multiphotonique. Une base d’entraînement sera pour cela constituée. Une série d’acquisitions sera mise à disposition constituée d’images calibrées acquises dans des conditions optimales (puissance moyenne et détection optimisées).

Objectifs :
Il s’agit de délivrer des images de microscopie multiphotonique de virions libres de différentes dimensions, dont la restauration est réalisée avec différentes étapes dont l’une d’entre elle repose sur l’intelligence artificielle.

Description du sujet :
Les études médicales font appel à de nombreuses solutions provenant de la physique pour guider le diagnostic : IRM, PET scan, rayons X, microscopie optique… La microscopie optique est la seule solution apportant des informations à l’échelle subcellulaire sur les cibles vivantes, moyennant, le plus souvent, un traitement préalable de l’échantillon. En microscopie multiphotonique (MMP), le rayonnement infrarouge utilisé, peu énergétique et faiblement absorbé par les cibles, peut entrer dans la profondeur de l’échantillon. Les structures et assemblages peuvent être
visualisées sans marquages préalable et donc potentiellement in vivo. Mais plus on entre dans la profondeur de l’échantillon, ou plus la puissance laser est réduite, plus le signal est dégradé et l’image endommagée. Les solutions computationnelles sont indispensables pour restaurer la qualité des images acquises en MMP.

Compétences acquises à l’issue de la thèse :
Instrumentation optique
Stratégies laser pour la microscopie multiphotonique
Stratégies numériques pour la restauration d’images
Intelligence artificielle

Présentation de l’équipe d’accueil :
Le Laboratoire XLIM développe des stratégies lasers dédiées à la caractérisation de cibles biologiques par des phénomènes d’optique non linéaire. L’apport des solutions de traitements numériques des images, développées en partenariat avec CentraleSupélec, ont récemment permis de révéler de nouvelles informations sur des structures biologiques, jusqu’alors non visibles par des méthodes de caractérisation standard [1]. Dans le contexte du projet ViZion, il s’agit d’appliquer ce protocole aux particules virales libres (virions) à partir de virus de gros diamètre dans un premier temps , mais aussi aux bactéries, afin d’ajuster les paramètres du pipeline instrumentale et computationnel d’une part, et de les faire évoluer d’autre part. Ce travail est mené en étroite collaboration avec le service de Bactériologie-Virologie-Hygiène du CHU de Limoges qui dispose d’un laboratoire de culture cellulaire, et d’un laboratoire NSB3 (P3) ainsi que du personnel habilité. Les stocks de virus inactivés sont préparés par culture des virus concernés et inactivation puis imagés à XLIM et enfin traité par CentraleSupélec.

[1] C. Lefort, M. Chalvidal, A. Parenté, V. Blanquet, H.Massias, L. Magnol, E. Chouzenoux, “FAMOUS: a fast instrumental and computational pipeline for multiphoton microscopy applied to 3D imaging of muscle ultrastructure”, J Phys D, 54 (27), 274005 (2021)

Compétences souhaitées pour les candidats :
Le profil recherché est celui d’un étudiant ou d’une étudiante d’école d’ingénieur familier des méthodes informatiques d’intelligence artificielle et notamment de l’apprentissage profond. Une connaissance du langage Python, et d’une expérience sur l’implémentation de réseaux de neurones, sur un environnement PyTorch ou TensorFlow, est indispensable.

Pour plus d’informations et pour candidater, merci de contacter :

Date de dépôt : 27 mai – dépôt manuel




ED SISMI