These 2017 1
Titre :
Détection de changements multipoints en IRM multi-séquences du petit animal
Directeurs de Thèse :
Jean-Paul Armspach
Fabrice Heitz
Encadrants
Laura Harsan
Céline Meillier
Contact :
Fabrice Heitz
Mail : fabrice.heitz at unistra.fr
Jean-Paul Armspach
Mail : jparmspach at unistra.fr
Unité(s) d’Accueil(s) :
ICube : Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 Université de Strasbourg / CNRS
Equipe IMIS, Imagerie Multimodale Intégrative en Santé
Equipe MIV, Modèle Image Vision
Ecole doctorale MSII de Strasbourg
Sujet :
La dynamique des réseaux cérébraux fournit des informations précieuses sur l’évolution des maladies neurodégénératives (Alzheimer) ou neuropsychiatriques (dépression). Leur étude nécessite une cartographie détaillée de l’architecture des réseaux neuronaux et un suivi dans le temps des modifications de cette architecture. Pour cela, nous analysons des images IRM multi-séquences (IRMs anatomiques, de diffusion, fonctionnelles) et multipoints (acquisitions à différents stades de la maladie) de souris, qui constituent des modèles animaux de ces pathologies. Le travail sur le petit animal présente en particulier l’avantage de donner accès à des vérités terrains pour la validation des méthodes d’analyse d’images (par histopathologie) et constitue une étape clé avant le passage sur l’Homme.
Les objectifs de cette thèse sont :
- l’adaptation de méthodes de traitement d’images médicales existantes, en IRM Homme, à l’IRM petit animal (prétraitements, recalage, normalisation) ;
- le développement de nouvelles approches statistiques de traitement d’images IRM multipoints et multi-séquences : pour chaque voxel on disposera à chaque point temporel d’un ensemble de données multimodales (IRM tenseur de diffusion, IRM anatomiques, IRM fonctionnelles) à exploiter pour permettre la détection des évolutions (changements) ;
- le développement de procédures de tests multiples pour prendre en compte les données multimodales et multipoints, l’analyse par voxel / par cluster et contrôler les erreurs de détection.
Ces travaux seront développés et implémentés sur la plate-forme Imagines (IRM 7T petit animal) et mis à disposition des utilisateurs (médecins, biologistes).
Compétences requises :
candidat(e) titulaire d’un Master 2 ou d’un diplôme d’ingénieur, avec un bon niveau en mathématiques appliquées, traitement des images, statistiques et/ou traitement du signal. Une expérience en traitement d'images médicales serait un plus.