Télécharger la proposition de stage

Type de stage

Master 2 en informatique, traitement d’image, vision par ordinateur, mathématiques appliquées, génie biomédical, neurosciences computationnelles.

Date ou durée du stage

6 mois, de mars à septembre 2026.

Contexte

La sclérose latérale amyotrophique (SLA) est une maladie neurodégénérative caractérisée par une dégénérescence progressive et diffuse de la voie pyramidale. L’hétérogénéité des symptômes cliniques et la prévalence de phénotypes atypiques ont un impact sur le diagnostic, le pronostic, la prise en charge thérapeutique des patients. Identifier des biomarqueurs fiables est donc crucial pour mieux stratifier les patients selon leur progression afin d’optimiser et d’adapter les stratégies thérapeutiques futures [Feldman et al., 2022].
L’imagerie par résonance magnétique (IRM) a montré un potentiel important comme biomarqueur diagnostique et pronostique dans la SLA [El Mendili et al., 2019; Kassubek et al., 2020]. Par ailleurs, certains réseaux, notamment les réseaux antagonistes génératifs (GAN pour « generative adversarial networks »), peuvent détecter des patterns d’atrophie, invisibles par méthodes traditionnelles [Tavse et al, 2022; Yang et al., 2024].

Objectif

L’objectif de ce stage est de détecter des patterns reflétant l’hétérogénéité de la SLA à partir de volumes cérébraux-spinaux en IRM par des modèles basés sur des GAN, pour stratifier les patients selon leur progression.

Missions

L’étudiant choisi aura pour missions :

• Familiarisation avec le sujet : Récupération des IRM préalablement traitées par l’équipe, lectures bibliographiques sur les GAN et variables cliniques de la SLA.
• Entraînement/optimisation du modèle GAN : Entraînement des réseaux sélectionnés avec des IRM de patients atteints de la SLA pour détecter les co-occurrences d’atrophies cérébrales et spinales.
• Extraction des paramètres et indices : Récupération des résultats après la phase de test des modèles.
• Analyses statistiques et interprétations : Recherche des liens entre les indices extraits du modèle et les variables cliniques pertinentes pour une stratification automatique des patients SLA.
• Rédaction d’un rapport scientifique : À destination de la Fondation Maladies Rares, l’organisme financeur du stage.

Compétences

• Programmation Python (ou autre), frameworks (Pytorch, Tensor Flow (Keras) ou Jax) ;
• Avoir déjà implémenté un réseau de type GAN est un plus ;
• Traitement d’images niveau avancé (sur des IRM serait un plus ) ;
• Avoir une appétence pour l’application sur des images biomédicales et des notions de statistiques.

Remunération

Gratifications de stage (selon la réglementation en vigueur) + remboursement partiel du titre de transport mensuel.

Contact

Mohamed Mounir EL MENDILI et Clara BRÉMOND :

mohamed-mounir.el-mendili[at]inserm.fr

clara.bremond[at]inserm.fr

en incluant dans votre e-mail CV et lettre de motivation.

Références

Feldman EL, et al. Amyotrophic lateral sclerosis. Lancet. 2022 Oct 15;400(10360):1363-1380.

El Mendili MM, et al. Spinal Cord Imaging in Amyotrophic Lateral Sclerosis: Historical Concepts-Novel Techniques. Front Neurol. 2019 Apr 12;10:350.

Kassubek J, Müller HP. Advanced neuroimaging approaches in amyotrophic lateral sclerosis: refining the clinical diagnosis. Expert Rev Neurother. 2020 Mar;20(3):237-249.

Tavse S, et al. A systematic literature review on applications of GAN-synthesized images for brain MRI. Future Internet, 2022, vol. 14, no 12, p. 351.

Yang Z,et al. Brain aging patterns in a large and diverse cohort of 49,482 individuals. Nat Med. 2024 Oct;30(10):3015-3026. doi: 10.1038/s41591-024-03144-x. Epub 2024 Aug 15.