Le projet concerne le traitement d’images médicales, dans le contexte de la prévention de maladies cardiovasculaires qui sont la première cause de mortalité dans le monde industrialisé. La motivation du projet est la détection précoce de changements pathologiques de propriétés de la paroi carotidienne en imagerie in vivo. Proche du cœur et alimentant en sang le cerveau, l’artère carotide est la sentinelle de l’état de santé vasculaire. Ses changements peuvent se manifester par des modifications morphologiques, notamment augmentation de l'épaisseur de la paroi, et mécaniques, telles que l'augmentation de la rigidité, par exemple. Pour les détecter, on analyse les séquences d'images échographiques en se focalisant sur le complexe intima-média, partie anatomique de la paroi où se produisent les premiers changements. Le traitement d'images s'attache à extraire les contours de ce complexe, et à quantifier son mouvement dans le plan de l'image.
Le projet associe les équipes 1 et 3 de CREATIS. Il s'inscrit dans la continuité d'une thèse qui a ouvert des pistes très intéressantes. Le doctorant, Guillaume Zahnd, travaille aujourd’hui au Biomedical Imaging Center Rotterdam (BIGR) et continue à s’intéresser à la thématique initiée à CREATIS. De plus, une autre collaboration vient de débuter avec le Centre de Visió per Computador à Barcelone, autour des aspects biomécaniques du projet.
En segmentation, il s'agit d'approfondir une approche combinant un filtrage adapté aux structures recherchées, avec une stratégie d'extraction de chemins à coût minimum. Cette dernière, implantée jusqu'à présent par programmation dynamique, pourrait être améliorée en choisissant une implantation différente de propagation de front et de fonction de coût. Il est également possible de réduire l'interaction avec l'utilisateur, dans la phase d'initialisation, entre autres grâce à une exploitation judicieuse de la sortie du filtre. De plus, l'analyse de la variation temporelle de l'épaisseur du complexe intima-média nécessite une automatisation et demande l'utilisation de techniques de traitement du signal telles que le filtrage de Kalman.
En suivi de mouvement, un filtre de Kalman simple est déjà utilisé, mais le modèle mis en œuvre pourrait être adapté au caractère du mouvement analysé. Les algorithmes mis en œuvre devront être évalués en utilisant les données cliniques.
Le stagiaire, outre le traitement du signal et de l'image, devra maîtriser la programmation en Matlab. Des compétences de programmation en C/C++ seront appréciées pour accélérer certains calculs. Des qualités humaines, en particulier capacité de dialogue avec le milieu médical, seront également très utiles.