Type de stage
Stage de Master 2 / dernière année d’école d’ingénieur
Date ou durée du stage
6 mois (à partir de février 2022)
Contexte
L’analyse de données cardiaques ou aortiques en imagerie par résonance magnétique (IRM) nécessite généralement de segmenter la structure d’intérêt (muscle ou cavités cardiaques, aorte) mais aussi de détecter des repères anatomiques permettant de définir des segments anatomiques utilisés lors de l’extraction de biomarqueurs. De nombreux travaux se sont attachés à automatiser la tâche de segmentation mais la définition des repères anatomiques reste largement manuelle à l’heure actuelle.
L’équipe d’imagerie cardiovasculaire iCV du LIB a mis en place des logiciels permettant l’analyse de données cardiaques (logiciel Cardio-Track, données 2D+t) ou aortiques (logiciel Mimosa, données 3D), dont le positionnement manuel des repères anatomiques lors de l’initialisation du processus, reste la seule intervention de l’utilisateur. Ces logiciels ont été validés dans plusieurs pathologies permettant de générer une base de données expertisée de plus de 400 patients pour les données cardiaques et de 300 patients pour les données d’aorte.
Objectif
L’objectif de ce stage est d’utiliser les bases de données existantes dans l’équipe pour entrainer dans un premier temps un réseau de neurones permettant de détecter les repères anatomiques sur des images d’IRM cardiaques en coupe petit-axe. On testera des architectures classiques de réseaux utilisés pour de la détection mais aussi des architectures basées sur de l’apprentissage par renforcement. L’architecture retenue sera ensuite testée sur des IRM cardiaques en coupe grand-axe. Si le temps le permet, l’extension de ces modèles 2D en 3D sera étudiée pour permettre la détection des repères anatomiques aortiques.
À chaque étape, les résultats obtenus seront comparés avec les points de références placés par des experts et seront également utilisés pour étudier l’erreur de quantification réalisée sur les biomarqueurs extraits des segmentations.
Missions
- Étude bibliographique (détection de repères anatomiques par deep learning, validation clinique, …).
- Entrainement d’un réseau de neurones pour la détection en 2D de repères anatomiques des cavités cardiaques dans une image du cycle cardiaque.
- Comparaison de l’approche automatique développée avec les points entrés manuellement par l’expert.
- Extension du réseau de neurones pour la détection en 3D de repères anatomiques dans l’aorte et comparaison avec les points de référence de Mimosa.
Compétences
- Connaissances en traitement d’images et en apprentissage profond
- Programmation en Python et en Matlab
Rémunération
Gratifications de stage
Contacts
Nadjia Kachenoura (nadjia.kachenoura[at]inserm.fr)
Thomas Dietenbeck (thomas.dietenbeck[at]sorbonne-universite.fr)