! STAGE POURVU !
Type de stage
Master 2 / Dernière année d’école d’ingénieur
Spécialités : informatique / statistiques / traitement du signal et de l’image
Date ou durée du stage
Stage de 6 mois, 1er semestre 2022
Contexte
Le groupe de travail « Coma » de l’équipe « Connectivité neurale et plasticité » du Laboratoire d’Imagerie Biomédicale a développé une méthode de pronostication de l’éveil de patients adultes dans le coma suite à un arrêt cardiaque ou à un traumatisme crânien sévère, et qui sont hospitalisés pendant plusieurs semaines, voire plusieurs mois, dans un service de neuroréanimation chirurgicale. Cette méthode repose sur un apprentissage supervisé (machine à vecteur de support) utilisant des caractéristiques extraites de données d’imagerie par résonance magnétique de diffusion (IRMd) acquises chez les patients durant les cinq premières semaines de leur hospitalisation. L’IRMd permet de mesurer les dommages subis par la substance blanche cérébrale, en quantifiant l’intégrité des faisceaux d’axones qui relient les neurones et leur permettent de communiquer entre eux. La méthode de classification que nous avons développée permet de prédire, avec une spécificité supérieure à 95 %, si le patient aura ou non une bonne récupération au bout d’un an, suivant l’échelle de récupération dite « Glasgow Outcome Scale » étendue (GOSE).
Objectif
Nous souhaitons étudier si les métriques issues de l’IRMd (anisotropie fractionnelle, diffusivité moyenne…) permettent de prédire la récupération de patients qui sont dans le coma suite à une hémorragie méningée, une hémorragie intra-cérébrale ou une hypoglycémie. Ces pathologies présentent des difficultés spécifiques liées à la présence d’hématomes intracérébraux qui biaisent les mesures utilisées. L’objectif du stage est d’adapter la méthode d’apprentissage actuelle à ces nouveaux patients, de proposer le cas échéant une ou des méthodes alternatives, et de valider le(s) modèle(s) proposé(s) sur des bases de données multicentriques de patients hospitalisés en réanimation.
Mission(s)
Le/la stagiaire devra :
• créer des jeux de données d’apprentissage et de validation à partir des bases de données existantes
• calibrer les mesures de diffusion pour des jeux de données multicentriques, compte tenu de la présence d’hématomes
• implémenter/entraîner/valider des modèles d’apprentissage supervisé (machines à vecteurs de support, forêts aléatoires…).
Compétences
• Bonne maîtrise de la programmation sous Python 3 ; environnement Linux (Anaconda, environnements virtuels).
• Bonne connaissance des méthodes d’apprentissage supervisé (arbres de décision, machines à vecteur de support… ) ou non (classification hiérarchique… ).
• Connaissance des méthodes d’évaluation des performances d’un classifieur : courbes ROC, spécificité, sensibilité…
• Notions de base en statistiques (tests d’hypothèses paramétriques ou non, modèles linéaires… ) souhaitées.
• Bonne maîtrise de l’anglais (surtout compréhension écrite) souhaitée.
• Un intérêt pour les neurosciences (en particulier la neuroimagerie) et leurs applications cliniques serait un plus.
Rémunération
Gratifications de stage
Contacts
Mélanie Pélégrini-Issac, Laboratoire d’Imagerie Biomédicale
Melanie.Pelegrini[at]inserm.fr
Pr Louis Puybasset, Département d’Anesthésie-Réanimation
louis.puybasset[at]aphp.fr
Lieu de stage : Service de neuroréanimation chirurgicale, Bâtiment Babinski, CHU Pitié-Salpêtrière, 75013 Paris