Détection d’anomalies dans des études longitudinales et multi-modales d’imagerie médicale

Mots-clefs : 

Apprentissage profond, analyse longitudinale, détection d’anomalies, modèles à effets mixtes, imagerie médicale

Résumé:

Détecter des anomalies dans des images médicales est une tâche difficile et chronophage même pour des experts, particulièrement lorsque les données sont massives et lorsque ces anomalies sont de petite taille, de localisation et de motifs variables. 

L'analyse automatique par apprentissage supervisé de ces données est limitée par la difficulté à constituer de grandes bases de données représentatives de la variabilité des motifs pathologiques. Les méthodes de détection d'anomalies non ou faiblement supervisées constituent une alternative très prometteuse. Cependant, leur performance reste insuffisante dans le cas de lésions "subtiles", par exemple dans les phases précoces de développement de maladies neurodégénératives (Alzheimer, Parkinson).

Ce projet vise à développer des modèles de détection d’anomalies performants, fiables et généralisables à différents domaines cliniques, ce que nous souhaitons démontrer à la fois en neuroimagerie et imagerie cardiaque.

Plus spécifiquement, nous ciblons à la fois l’intégration de plusieurs observations à différents instants du suivi longitudinal d’un patient et de données de différents types (différentes modalités et/ou différents biomarqueurs extraits des images). 

Ce projet se démarque de l’état de l’art en tirant parti à la fois de la détection d’anomalies et de l’apprentissage de représentation, dans un cadre méthodologique unifiant données longitudinales et multi-modales, qui sont deux axes de recherche méthodologiques clés dans la communauté. Notre ambition est également de proposer des modèles généralisables à différents domaines d’applications cliniques, aux temporalités et types d’anomalies différentes. 

Vous trouverez le sujet détaillé dans le pdf joint. 

Financement

Ce sujet de thèse est ouvert au concours de l’école doctorale EEA pour un financement de thèse ministériel. Le dépôt des dossiers de candidatures seront remontés par le laboratoire fin mai 2025 pour une audition début juin. Nicolas Duchateau et Carole Lartizien participeront activement à la préparation de l’audition avec le ou la candidate retenu.e.

Contact

Merci d’envoyer votre CV accompagné d’une lettre de motivation et des bulletins de notes les plus récents à 

nicolas.duchateau@creatis.insa-lyon.fr et carole.lartizien@creatis.insa-lyon.fr.