French
English
Mots-clés : apprentissage machine, fusion de données hétérogènes, apprentissage sur graphe de population, modèle pronostique, neuroimagerie
Les troubles de la conscience (TDC) représentent un large spectre de conditions caractérisées par une altération de la conscience de soi et de l’environnement, pouvant survenir à la suite de diverses atteintes cérébrales (e.g. traumatismes crâniens) et incluant notamment le coma, l’état végétatif et l’état de conscience minimale.
Bien que chacun de ces états présente des caractéristiques cliniques distinctes, le diagnostic précis du TDC en phase aigüe, de même que le pronostic d’évolution du patient dans les mois suivant cet épisode, constituent des défis majeurs pour les cliniciens.
L’imagerie cérébrale multimodale (e.g ; IRM, TEP) s’avère pertinente pour évaluer de manière plus précise les fonctions cérébrales résiduelles. Cependant, la fusion de l’information massive fournie par ces différentes modalités d’imagerie, complétée des données cliniques du patient est une tâche complexe.
Dans le cadre du projet de recherche IMAGINA, nous avons collecté une base de données unique de sujets comateux en phase aigüe (70 examens) sur une machine hybride permettant l'acquisition simultanée de l'information fonctionnelle par tomographie par émission de positons (TEP), et des informations fonctionnelles ou structurelles par imagerie par résonance magnétique (IRM).
L’objectif de ce projet est de développer un modèle pronostique par intelligence artificielle de l’évolution à 3 mois des patients, exploitant l’information hétérogènes de données d’imagerie multimodales et de données cliniques.
Ce travail s’appuiera sur les résultats encourageants d’un premier modèle par apprentissage statistique combinant des données anatomiques caractérisant les lésions cérébrales, de la fonction métabolique glucidique avec la TEP au [18F]FDG, et des modalités d’IRM de diffusion (DWI) et de perfusion (ASL). Plusieurs pistes seront explorées, dans le domaine de l’apprentissage profond et dans le domaine de l’apprentissage sur graphe de population. L.e.a candidat.e aura accès à la base de données unique collectée dans le cadre du projet ANR IMAGINA.
Nous renvoyons au fichier attaché pour les détails concernant le sujet et les modalités de candidature.
Profil recherché
Ce stage convient à un.e étudiant.e en ingénierie informatique, génie électrique ou génie biomédical possédant des bases solides en programmation et en apprentissage statistique ainsi que des connaissances en traitement et analyse d’images. Nous recherchons un ou une étudiant.e enthousiaste et autonome, fortement motivé.e et intéressé.e par la recherche multidisciplinaire (traitement d'images et apprentissage automatique dans un contexte médical).
Encadrement :
L'étudiant.e sera encadré.e par Carole Lartizien (PhD), directrice de recherche au laboratoire CREATIS et Florent Gobert, médecin réanimateur aux HCL et principal investigateur de la base de données IMAGINA sur laquelle s’appuie le projet. Le.a candidat.e sera amené.e à interagir avec Nicolas Costes (PhD) et Inés Mérida (PhD), ingénieur.e.s de recherche sur la plateforme IRM-TEP au CERMEP, responsables du traitement des images et de l’analyse statistique descriptive de la base de données IMAGINA.
Le stage se déroulera principalement au laboratoire CREATIS avec des interactions au CERMEP.
Ce stage s’inscrit dans le cadre du projet Agoracoma financé par SHAPE-Med@Lyon https://www.shape-med-lyon.fr/projets/structurants-vague-1/agoracoma/
Informations et contact :
Le sujet de ce stage est prévu pour un travail d’une durée de 4 à 6 mois, à partir du printemps (avril) ou de l'automne (sept/oct) 2026.
La convention de stage prévoit une indemnité de 650 €/mois environ.
Pour candidater envoyer un CV ainsi qu’une lettre de motivation par voie électronique à carole.lartizien@creatis.insa-lyon.fr
Références.