En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Offre de Doctorat CNRS H/F en Informatique : Extraction par analyse topologique sur les G-cartes de caractéristiques pour les systèmes d'apprentissage supervisé appliqués à l'arbre vasculaire cérébral

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : vendredi 17 décembre 2021

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : FR3423-CHRFER0-006
Lieu de travail : POITIERS
Date de publication : vendredi 26 novembre 2021
Nom du responsable scientifique : Hakim Ferrier-Belhaouari (hakim.ferrier.belhaouari@univ-poitiers.fr)
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 février 2022
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Cette thèse souhaite aider le diagnostic des chirurgiens dans la recherche d'un thrombus pour les patients du CHU de Poitiers. Les mécaniques d'apprentissage supervisées sont très utilisées pour proposer de manière automatique un diagnostic à partir des antécédents médicaux et de données environnementales du patient. Nous voulons améliorer cette détection automatique en proposant la détermination de caractéristiques innovantes en exploitant la structure 3D de l'arbre vasculaire cérébral. Une interaction forte avec le CHU Poitiers est envisagée pour adapter des modes d'affichages spécifiques pour apprécier/visualiser les zones pertinentes détectées par l'analyse topologique.
Il s'agit donc d'étudier à partir d'une reconstruction 3D de l'arbre cérébral différentes analyses topologiques pour identifier des caractéristiques significatives avec le système d'apprentissage supervisés. La reconstruction repose dans un premier temps sur la reconstruction topologique sur une structure de type carte généralisée. Les caractéristiques envisagées sont d'ordre géométrique comme la courbure ou la section d'un vaisseau sanguin, et/ou d'ordre topologique comme la résolution des problèmes de connexités via les graphes de Reeb, l'exploitation des diagrammes de persistance ou les approches à base de squelettes pour déterminer des propriétés locales aux maillages.
Ce travail inclut la réalisation d'une visualisation scientifique au moyen de la réalité virtuelle pour illustrer les résultats aux médecins en particulier la localisation des thrombus et la détection de zones dangereuses.
Bibliographie:
[1] R. Pascual, P. Le Gall, A. Arnould, H. Belhaouari, “Topological consistency preservation with graph transformation schemes” in Science of Computer Programming, Elsevier, 2022, 214, pp.102728, doi: 10.1016/j.scico.2021.102728.
[2] H. Belhaouari, S. Horna, “Reconstruction of Volumes from Soup of Faces with a Formal Topological Approach” in Computer-Aided Design and Applications, Taylor & Francis Online, 2019, 16 (5), doi:10.14733/cadaps.2019.972-984.
[3] M. Pont, J. Vidal, J. Delon, J. Tierny, “Wasserstein Distances, Geodesics and Barycenters of Merge Trees” in IEEE Transactions on Visualization and Computer Graphics, Institute of Electrical and Electronics Engineers, 2021.
[4] J. Schupbach, B.T. Fasy, J. W. Sheppard, and P. Lawson, “Persistent homology for the automatic classification of prostate cancer aggressiveness in histopathology images,” in Medical Imaging 2019: Digital Pathology, San Diego, United States, Mar. 2019, p. 14, doi:10.1117/12.2513137.
[5] T. Qaiser, K. Sirinukunwattana, K. Nakane, Y.-W. Tsang, D. Epstein, and N. Rajpoot, “Persistent Homology for Fast Tumor Segmentation in Whole Slide Histology Images,” Procedia Computer Science, vol. 90, pp. 119–124, 2016, doi: 10.1016/j.procs.2016.07.033.

Contexte de travail

La thèse s'inscrit dans le projet régional ARTERIA qui s'intéresse aux diagnostics et aux suivis médicaux des patients ayant subi un accident vasculaire cérébral (AVC). En France, on compte autour de 140 000 accidents vasculaires cérébraux (AVC) par an. L'AVC est souvent lié à un infarctus cérébral ou accident ischémique cérébral ou à la rupture d'un vaisseau sanguin. Lorsqu'un patient est suspecté d'un AVC, il subit plusieurs séquences d'imagerie médicale. Ensuite, le médecin confirme la présence d'un thrombus dans l'arbre, prépare aussi l'acte chirurgical. L'outil informatique via des mécaniques d'apprentissage supervisées pourraient aider grandement au diagnostic et au parcours du patient dans le cadre de sa vie postopératoire en analysant les antécédents médicaux et les données environnementales de ce dernier.
Les partenaires de ce projet sont le CHU de Poitiers, le laboratoire commun I3M et les laboratoires de recherche XLIM et LMA.
La thèse s'effectuera au sein de l'axe ASALI du laboratoire XLIM. ASALI est une structure de recherche dédiée à la synthèse et à l'analyse d'images. Les défis scientifiques sont la conception d'objets complexes structurés en dimension arbitraire, la modélisation et le traitement des informations couleurs et spectrales des images et des vidéos, la synthèse d'image réaliste à base de modèles procéduraux qu'ils soient statistiques ou physiques.

Directeur de thèse: Pascal Lienhardt (pascal.lienhardt@univ-poitiers.fr)
Encadrant de thèse: Hakim Ferrier-Belhaouari (hakim.ferrier.belhaouari@univ-poitiers.fr)
Contact: hakim.ferrier.belhaouari@univ-poitiers.fr

Contraintes et risques

RAS

Informations complémentaires

Compétences souhaitées pour les candidats :
• Être titulaire d'un master en Informatique
• Développement C++ 11 (ou plus) ou Java (8+) avancée.
• Algorithmique 3D.
• Compréhension des systèmes d'apprentissages supervisées

On en parle sur Twitter !