L’ED SISMI propose le sujet de thèse suivant :

Intitulé du sujet : Intelligence artificielle pour une imagerie médicale enrichie et non-invasive

Ce projet serait sous la direction de Christine Fernandez de XLIM à l’Université de Poitiers

Co-directeurs renseignés : Pascal BOURDON /

Les financements sont : Financement académique

Le début de la thèse est prévu pour : 10/2022

Mots clés du sujet : Apprentissage automatique, imagerie médicale, réseaux de neuronnes artificiels antagonistes, IRM

Présentation du sujet : L’imagerie IRM est une technique d’imagerie médicale qui permet d’obtenir des images 3D d’une précision inégalable. Son caractère non invasif justifie un grand intérêt tant en recherche clinique que fondamentale dans l’étude de diverses fonctions normales ou pathologiques du cerveau. D’innombrables nouvelles applications de l’IRM anatomique ou fonctionnelle sont encore à prévoir dans les années à venir, telles que l’aide au diagnostic de maladies neurologiques ou psychiatriques, ou encore le développement de l’IRM pharmacologique. L’objectif de ce doctorat est de proposer des solutions innovantes de traitement de séquences IRM par intelligence artificielle. Une partie importante sera consacrée aux systèmes de génération d’images tels que les GAN (Generative Adversarial Networks).

Objectifs : L’objectif de ce doctorat est de proposer des solutions innovantes de traitement de séquences IRM par intelligence artificielle, avec pour finalité :

• L’élaboration d’un modèle de synthèse de données IRM réalistes à des moments virtuels permettant l’analyse de la dynamique d’évolution des lésions traumatiques cérébrales ;
• La synthèse de données CT-Scan réalistes à partir de données IRM sous contrainte de préservation des critères de diagnostic ;
• La définition d’une nouvelle hiérarchie de biomarqueurs à partir du modèle précité.

Une partie importante sera consacrée aux systèmes de génération d’images tels que les GAN (Generative Adversarial Networks).

Description du sujet : L’imagerie IRM est une technique d’imagerie médicale qui permet d’obtenir des images 3D d’une précision inégalable. Son caractère non invasif justifie un grand intérêt tant en recherche clinique que fondamentale dans l’étude de diverses fonctions normales ou pathologiques du cerveau. D’innombrables nouvelles applications de l’IRM anatomique ou fonctionnelle sont encore à prévoir dans les années à venir, telles que l’aide au diagnostic de maladies neurologiques ou psychiatriques, ou encore le développement de l’IRM pharmacologique.

En parallèle à la croissance exponentielle des protocoles IRM et de la nécessité de se passer de produits de contraste, les outils d’analyse numérique sont devenus de plus en plus performants pour traiter de façon systématique ce type de données. L’apprentissage automatique, par exemple, est un champ d’étude de l’intelligence artificielle qu’on retrouve dans de nombreuses applications telles que l’analyse des données, la vision par ordinateur, et l’imagerie médicale. Moins contraints que les méthodes statistiques traditionnelles, les algorithmes auto-apprenants d’un tel système peuvent réaliser un ensemble de prédictions à partir de données connues, faisant ainsi « parler » ces données, en reconnaissant des structures cachées.

L’objectif de ce doctorat est de proposer des solutions innovantes de traitement de séquences IRM par intelligence artificielle, avec pour finalité :
• L’élaboration d’un modèle de synthèse de données IRM réalistes à des moments virtuels permettant l’analyse de la dynamique d’évolution des lésions traumatiques cérébrales ;
• La synthèse de données CT-Scan réalistes à partir de données IRM sous contrainte de préservation des critères de diagnostic ;
• La définition d’une nouvelle hiérarchie de biomarqueurs à partir du modèle précité.

Une partie importante sera consacrée aux systèmes de génération d’images tels que les GAN (Generative Adversarial Networks).

Compétences acquises à l’issue de la thèse : Apprentissage automatique, imagerie médicale, réseaux de neuronnes artificiels antagonistes, IRM

Présentation de l’équipe d’accueil : Les thématiques de recherche de l’équipe ICONES sont organisées autour de la modélisation et le traitement des informations couleurs et spectrales des images et des vidéos. Les enjeux adressés sont liés aux questions théoriques et aux applications dans le domaine de la médecine, du patrimoine, de l’industrie et du multimédia au sens large. Les enjeux scientifiques s’articulent autour de la mesure et les outils d’analyse pour images multivariées, les mesures composites à partir d’images multivaluées, la modélisation des mesures multivaluées pour la décision.

Compétences souhaitées pour les candidats : Apprentissage automatique, traitement d’images, programmation en lnagage Python

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

Date de dépôt : 10/01/2022 à 13 h 04 min