Type de stage
Stage de Master 2
Date ou durée du stage
De février à juillet 2026, 6 mois
Contexte
L’échographie musculo-squelettique en mode B donne l’accès aux structures anatomiques qui font l’objet d’une description sémiologique des différentes lésions observées et a bénéficié ces dernières années d’une amélioration de la qualité des images en contraste et en résolution. L’échographie est avant tout une imagerie d’interface, la diffusion ou speckle générée à l’intérieur des tissus entraînant des variations de niveaux de gris n’est pas exploitée. Les niveaux de gris peuvent être analysés statistiquement par des méthodes statistiques d’ordre 1 qui ne concerne qu’un seul pixel à la fois. L’analyse de texture prend en compte 2 (ordre 2) ou plusieurs pixels (ordre n) et renseigne sur les propriétés locales de l’image, identifie des phénomènes de périodicité et de motifs particuliers. Les paramètres de texture ne dépendent pas de l’intensité des niveaux de gris mais uniquement de leurs variations.
L’analyse de texture n’a pas été étudiée dans le tendon et a déjà été explorée en 2D dans le muscle. Néanmoins, la reproductibilité est limitée affectant la sensibilité de la méthode ce qui en limite le développement. Le muscle et le tendon présentent des architectures très proches avec une structure anisotrope remaniée au décours de divers processus pathologiques et peuvent faire l’objet de développements conjoints. Ce travail est purement exploratoire et technique.
Objectif
Notre objectif est de développer en tri-dimensionnel (3D) l’analyse de texture sur les images échographiques en mode B du muscle et du corps tendineux. L’approche 3D permet de mieux rendre compte de la complexité de la structure interne et de suivre les contours de l’objet. L’analyse de texture 3D permet de moyenner l’information sur un volume suffisant compte tenu du caractère hétérogène et anisotrope des tissus étudiés. La variabilité inter-opérateur reste un problème majeur de l’utilisation paramétrique des ultrasons ce qui peut être partiellement levée par l’imagerie 3D. Pour obtenir une image 3D, des systèmes de tracking permettent d’obtenir une image stable au cours d’un balayage. Nous testerons la solution « 3D free hand tracker » proposée par la Société Canon.
Cette étude préliminaire a été réalisée chez 20 volontaires sains avec 6 acquisitions provenant de 3 opérateurs de niveau d’expérience différents. Nous différencierons l’analyse d’image intra-observateur et inter-observateur de celle de la chaîne de mesure, ce qui nous permettra de calculer la reproductibilité de la chaîne de mesure (acquisition+analyse de l’image). Cette étude nous permettra de définir le niveau d’expertise de l’opérateur (expert/apprenant/novice), de comparer l’intérêt de l’approche 3D comparativement à l’approche 2D classiquement recueillie. Nous testerons 4 sites : le tendon achilléen, le tendon rotulien, le gastronecmius medial, et les para-spinaux.
Missions
Le travail de l’étudiant consistera à analyser les images, la 1ere étape de segmentation des muscles et tendons ayant déjà été réalisée sur 3D Slicer, il pourra tester différentes méthodes d’analyse de texture d’ordre 1 et 2, d’ordre n avec Python. Nous utiliserons des indicateurs pour mesurer la répétabilité tel que le coefficient de corrélation intraclasse, le RMSCV, RMSSD. Nous testerons la capacité de l’analyse de texture à différencier les 2 types de muscles et de tendons. À partir des images segmentées de façon semi-automatique sur 3D slicer, il sera envisagé d’entraîner un réseau de neurones type nnUnet pour segmenter automatiquement. Ce travail plein et entier fera l’objet d’une publication et s’inscrit dans une approche radiomique pour évaluer la qualité des muscles et des tendons dans le futur de façon automatisée.
Compétences
Connaissances en traitement d’images, Python, statistiques, modèles
Rémunération
Gratification de stage mensuelle (selon la réglementation en vigueur) + remboursement partiel du titre de transport mensuel (environ 550-600€/mois).
Contact
Christine CHAPPARD christine.chappard[at]inserm.fr
