Caractérisation d'événements emboliques dans les artères cérébrales par réseaux de neurones pour aider à la prévention et la prise en charge des accidents vasculaires cérébraux
Recrutement: 
Recrutement en cours/passé: 
Recrutement en cours
Periode: 
2018-2019
Contact: 
Contact : Marilys ALMAR Tel : 04-78-05-69-69 Email : marilys.almar@atysmedical.com Philippe Delachartre Email : delachartre@creatis.insa-lyon.fr

Contexte :La détection d’emboles est un sujet majeur en matière de prévention des accidents vasculaires cérébraux. La cause d'unaccident vasculaire cérébral peut être multiple, mais dans la plupart des cas, une surveillance Doppler de l'artère cérébralemoyenne (ACM) peut aider au diagnostic et prévenir le risque d'accident vasculaire cérébral (AVC), mais aussi améliorer laprise en charge des patients ayant déjà effectué un AVC. La classification des emboles est essentielle pour améliorer lafiabilité du diagnostic.

Depuis plus de 20 ans, Atys Medical développe des systèmes de surveillance Doppler capables de détecter et de classer lesHITS (signaux transitoires de haute intensité) et de les classer comme emboles ou artefacts (mouvement de la sonde,clignement des yeux, artéfact de voix, etc.).Le dernier appareil d'Atys - unique au monde - est un Holter équipé de sondes robotisées (TCD-X), permettant unesurveillance prolongée sur des patients ambulatoires, grâce à des repositionnements automatiques de la sonde tout au long del'enregistrement afin d’assurer un maintien optimal du signal.

Un point important pour aider les médecins à identifier la cause de l'AVC et éviter les risques de récidive est de se concentrersur la nature de l'embole. Des informations complémentaires sur la nature des emboles (solides ou gazeuses, d’originecardiaque ou issus d’une sténose carotidienne, …) pourraient donner au médecin des indices essentiels pour mieux prendre encharge leurs patients pendant une chirurgie cardiaque, ou dans les UNV (Unités Neuro Vasculaires dédiées à la prise encharge des AVC). Des informations plus précises sur l'origine des emboles pourraient également être utiles.

Objectif :L'objectif principal de ce projet est d’établir l’architecture de l’algorithme d’apprentissage faiblement supervisé permettant declasser les emboles de manière efficace, afin de fournir un diagnostic plus précis et d'optimiser le temps nécessaire à l'analysedes données.

Pour ce faire, le stagiaire disposera de plus d’une centaine d’archives déjà réalisées en milieu hospitalier, et des différentsalgorithmes de détection d’emboles disponibles à ce jour qui pourront servir de référence. Les contraintes à prendre en comptepour le choix de l’algorithme sont les suivantes :- faible nombre de données étiquetées (weakly supervised method) mais données d’entrées multiples (signal audio,image temps fréquence, image mode M)- étiquettes multiples (multi instance learning)- Correction automatique des étiquettes incomplètes (reinforcement learning, co-teaching, …)Différentes étapes devront être mises en oeuvre au cours du stage :(i) Analyse de l’état de l’art dans le domaine des contraintes énoncées,(ii) Application de l'algorithme d'apprentissage approprié pour distinguer les emboles solides des emboles gazeux,(iii) Identification des caractéristiques suffisantes pour trouver l’origine ou la nature des emboles, en corrélant par exemplecette caractéristique avec la pathologie ou le traitement du patient,(iv) Prise en compte de cas particuliers comme par exemple les HITS toujours à la même position dans le cycle cardiaque, enparticulier chez les patients jeunes

Déroulement du stage :Après une formation générale sur l’utilisation du Doppler Transcrânien, le stagiaire devra prendre en main les différentslogiciels existants fournis par la société Atys, et ainsi se familiariser avec la base d’archives existante afin de définir des axespour la classification des emboles.Le principal travail consistera ensuite à identifier l’architecture la plus adaptée aux contraintes de la classification desemboles.La mise au point des méthodes s’effectuera sous Python et TensorFlow.Il serait souhaitable de fournir un livrable prototype à la fin du stage pour faciliter l’intégration sur les appareils actuels etpermettre ainsi une validation en milieu hospitalier.

Compétences techniques :Programmation Python, programmation Qt. Traitement du signal, traitement d’image, classification, méthodes parapprentissage et réseaux de neurones.

Lieu : ATYS Médical, 17 parc d’Arbora, 69 510 Soucieu-en-Jarrest

Contact : Marilys ALMAR Tel : 04-78-05-69-69 Email : marilys.almar@atysmedical.com

Références bibliographiques :[1] B. K. Guépié, M. Martin, V. Lacrosaz, M. Almar, B. Guibert, P. Delachartre, Sequential EmboliDetection from Ultrasound Outpatient Data », IEEE Journal of Biomedical and Health Informatics, 2018[2] P. Sombune, et al., “Automated embolic signal detection using deep convolutional neural network,” in2017 39th Annual International Conference of the IEEE EMBC, July 2017, pp. 3365–3368.