French
English
Équipe: MYRIAD = « Modeling & analysis for medical imaging and Diagnosis »
Supervision: Nicolas DUCHATEAU (PU) - Olivier BERNARD (PU)
Collaboration avec:
- Université de Sherbrooke, Canada: Pierre-Marc JODOIN (PU)
- INRIA Sophia-Antipolis, France: Maxime SERMESANT (DR)
-------------------------------------------
Figure: Vue schématique d'un modèle 0-D du coeur (bas) qui sera personnalisé sur des séquences échocardiographiques 2D (haut).
-------------------------------------------
Contexte: La segmentation et le suivi de séquences d'images, comme en échocardiographie 2D, permet d'estimer la forme du myocarde et sa déformation locale (strain), pour ensuite mieux caractériser les pathologies cardiaques et identifier les patients à risque. Les réseaux de neurones profonds ont permis de fortes avancées pour automatiser l'estimation de ces quantités, mais ils nécessitent d'être entraînés et/ou validés sur de grandes bases de données avec vérité terrain. Le projet Européen SCAILED auquel nous contribuons vise explicitement la génération de données synthétiques pour cet objectif, et leur mise à disposition des chercheurs à travers une plate-forme de partage Européenne dédiée.
Nous avons développé une méthodologie unique pour générer de grandes bases d'images synthétiques avec vérité terrain pour le mouvement [JUD-25,JUD-26], qui est basée sur la simulation ultrasons guidée par la physique, mais nécessite aussi une estimation fiable de la forme et du mouvement du myocarde. Cette méthodologie permet de générer des séquences d'images très réalistes à partir de données existantes. Néanmoins, elle est purement basée sur les données et manque donc de cohérence physiologique, qui est essentielle dans le contexte d'images de qualité moindre et pour la fiabilité des données synthétiques partagées.
Nos collaborateurs ont développé des modèles biophysiques computationnels du coeur et de la circulation, qui incluent les différentes cavités et leurs interactions. Cela couvre de simples modèles de la circulation (aussi dénommés "0-D") [BAN-21,FER-25] et des modèles plus avancés en 3D [DES-23]. Par exemple, les variables d'état du modèle 0-D sont les différentes courbes de flux et pression, et des paramètres cardiaques tels que la raideur ou la contractilité, qui sont estimés à partir des données patient, un processus dénommé "personnalisation".
-------------------------------------------
Objectifs: Le sujet proposé vise l'incorporation de ces modèles pour améliorer la robustesse et le réalisme de la génération d'images, en rajoutant de la cohérence physiologique à une méthodologie existante uniquement basée sur les données. Plus spécifiquement, nous ciblons:
- La personnalisation des modèles computationnels 0-D et 3-D du coeur à des séquences échocardiographiques issues des bases de données dont nous disposons.
- L'amélioration du pipeline de simulation d'images avec un déplacement des diffuseurs plus cohérent, guidée par la sortie du modèle biophysique.
- L'extension de ce pipeline à des variantes pathologiques des données originales, guidée par des changements dans les paramètres du modèle.
- La génération de grandes bases de données d'images synthétiques qui seront utilisées pour entraîner des réseaux de segmentation et de tracking.
Informations pratiques:
• Localisation: campus de la DOUA, laboratoire CREATIS, Villeurbanne
• Durée: 24 mois, début 2027
• Sujet exploratoire en étroite collaboration avec d'autres chercheurs en segmentation et tracking.
Profil recherché:
• Candidat avec une thèse en apprentissage automatique et/ou mathématiques appliquées et/ou modèles computationnels.
• De préférence avec de l'expérience en imagerie médicale.
• Bon niveau de programmation en Python.
• Bon niveau d'anglais (lu, écrit, parlé).
Contact: Envoyez CV et lettre de motivation / recommandation à: nicolas [dot] duchateau [at] creatis.insa-lyon.fr
-------------------------------------------
Bibliographie:
[BAN-21] Banus et al. Med Image Anal 2021;72:102089.
[FER-25] Ferrario et al. FIMH 2025.
[DES-23] Desrues PhD 2023.
[JUD-25] Judge et al. IUS 2025.
[JUD-26] Judge et al. MICCAI-STACOM 2026.