Fusion hiérarchique de données d’imagerie cardiaque par apprentissage (machine learning)
Recrutement: 
Recrutement en cours/passé: 
Recrutement en cours
Periode: 
2019
Contact: 
Nicolas Duchateau nicolas.duchateau@creatis.insa-lyon.fr

Contexte: Les pathologies cardiaques ont un impact direct sur la mécanique du cœur et conduisent à une réduction de son efficacité. Le protocole classique en échocardiographie [WHA-15] (l’imagerie la plus utilisée en cardiologie) inclut des mesures sur des images statiques et dynamiques dans différentes vues pour étudier la paroi et les cavités cardiaques, et des séquences Doppler pour les aspects hémodynamiques. Des mesures plus fines en 2D et en 3D ou des protocoles d’effort sont parfois ajoutés pour quantifier des aspects plus avancés de la fonction cardiaque [MOR-11].

Figure : Exemple de descripteurs de plus en plus fins issus d’un protocole d’échocardiographie 2D.

Description du stage: Nous cherchons à mieux tirer parti de l’ensemble de ces données à l’aide d’algorithmes d’analyse statistique et d’apprentissage machine (machine learning), pour représenter les pathologies dans des populations de sujets. La principale difficulté est que ces descripteurs sont complexes, de haute dimensionalité, et de types hétérogènes. Nous avons développé une méthode d’apprentissage qui permet de combiner un grand nombre de ces descripteurs en même temps [SAN-17]. Nous souhaitons aller plus loin et explorer les avantages d’une analyse incrémentale de ces descripteurs.

 

Dans le cadre du stage proposé, nous visons les objectifs suivants:

1) Extraire un ensemble complet de descripteurs connus à partir de données d’imagerie cardiaque (echo 2D),

2) Apprendre une représentation de ces données considérées individuellement ou toutes à la fois,

3) Concevoir une stratégie originale pour les combiner de façon incrémentale.

 

Profil:

· Master 2 en mathématiques appliquées et/ou traitement d’images et/ou apprentissage machine

· Motivation spécifique pour le domaine médical

· Bonnes compétences en programmation (MATLAB, Python, ou C/C++)

· Bonnes compétences en anglais

 

Informations pratiques:

· Le stage s’effectuera à CREATIS, laboratoire de référence en acquisition et traitement d’images médicales, qui compte ~160 personnes réparties en 5 équipes de recherche.

· Il sera encadré par N. Duchateau et P. Clarysse au sein de l’équipe 1 (« Modélisation et imagerie vasculaires thoraciques et cérébrales »).

· Durée : 6 mois à partir de Février-Mars 2019, ~550€ / mois, sur le site de la Doua.

· Possibilité de poursuite en thèse, selon financements.

 

Candidature:

Envoyer CV, lettre de motivation, et relevés de notes à : nicolas.duchateau@creatis.insa-lyon.fr

 

Références:

[MOR-11] Mor-Avi V, Lang RM, Badano LP, et al. Current and evolving echocardiographic techniques for the quantitative evaluation of cardiac mechanics. Eur J Echocardiogr. 2011;12:167-205.

[SAN-17] Sanchez-Martinez S, Duchateau N, Erdei T, et al. Characterization of myocardial motion patterns by unsupervised multiple kernel learning. Med Image Anal. 2017;35:70-82.

[WHA-15] Wharton G, Steeds R, Allen J, et al. A minimum dataset for a standard adult transthoracic echocardiogram: a guideline protocol from the British Society of Echocardiography. Echo Res Pract. 2015;2:G9-24.