Segmentation automatique de courbes de flux Doppler en échocardiographie par apprentissage profond

Titre:        Segmentation automatique de courbes de flux Doppler en échocardiographie par apprentissage profond.

Équipe:        MYRIAD = « Modeling & analysis for medical imaging and Diagnosis »

Encadrement:    Nicolas DUCHATEAU (PU) - Olivier BERNARD (PU)

Contexte:     Les pathologies cardiaque dégradent progressivement la fonction cardiaque, dont la forme et la déformation de la paroi myocardique, et le flux à travers les différentes valves (pour le ventricule gauche: valves mitrale et aortique). L'échocardiographie Doppler permet de visualiser les courbes de flux à travers ces valves et de les relier avec les caractéristiques connues des pathologies cardiaques. Néanmoins, cette quantification est difficile et reste limitée à des mesures simples (valeurs de pic et pente, et identification d'événements temporels) qui sont peu automatisées [JEV-22, AGU-24], ce qui limite leur inclusion pour l'analyse de grandes bases de données.

Nous avons développé une expertise forte sur l'analyse automatique d'images d'échocardiographie 2D, principalement en termes de segmentation et suivi temporel du ventricule gauche [JUD-26a, JUD-26b]. À travers ce stage, nous souhaitons compléter l'analyse de ces données avec des courbes de flux automatiquement extraites des acquisitions Doppler correspondantes.

Figure: adaptée de [LAN-16]. Haut: forme représentative des courbes de flux mitral selon la pathologie. Bas: exemple d'une acquisition de flux Doppler pour la valve mitrale.

Objectifs:     Ce stage cible principalement:
- La conception de méthodes efficaces et robustes pour la segmentation automatique des acquisitions Doppler, principalement pour le flux mitral et aortique,
- L'amélioration de la cohérence physiologique et temporelle des résultats,
- La classification de pathologies à partir des courbes extraites,
- L'évaluation de la performance de segmentation et classification sur des données d'échocardiographie 2D existantes.

Informations pratiques:
   • Localisation: campus de la DOUA, laboratoire CREATIS, Villeurbanne.
   • Durée: 6 mois, début Février-Mars 2027.
   • Sujet exploratoire en collaboration étroite avec d'autres chercheurs en segmentation et tracking.

Profil recherché:
   • Étudiant de M2 avec un background en mathématiques appliquées et/ou informatique. 
   • Bonnes compétences en programmation et traitement d'images en Python.
   • Bon niveau d'anglais.
   • Motivation pour travailler sur des données médicales.

Contact:        Envoyez votre CV, lettre de recommandation et/ou référence d'encadrants, et relevés de notes à:
        nicolas.duchateau@creatis.insa-lyon.fr

Bibliographie:

[AGU-24] Aguado et al. Front Digit Health 2024;6:1455767.
[JEV-22] Jevsikov et al. MIDL 2022.
[JUD-26a] Judge et al. IEEE TMI 2026;45:4161-73.
[JUD-26b] Judge et al. MICCAI-STACOM 2026.
[LAN-16] Lancellotti & Cosyns. The EACVI echo handbook 2016.