STAGE - Ingénieur.e Recherche – Identification de structures anatomiques à partir d’images médicales (F/H)

Dans le cadre d'un consortium, l'organisation "Virtual Twin for Human" de Dassault Systèmes réalise des prototypes logiciels pour soutenir la transformation des pratiques médicales basées sur l'utilisation des jumeaux virtuels.

Au sein de cette organisation, l’équipe NeuroTwin est spécifiquement en charge du développement des technologies, algorithmes, expérience utilisateur, modèle de données pour des applications d'aide aux diagnostics, pronostics et suivis en neurologie clinique. Les pathologies abordées sont les maladies neurodégénératives (Alzheimer, démences vasculaires) et l’épilepsie.

L'Imagerie par Résonance Magnétique (IRM) structurale pondérée en T1 est un outil de référence pour l'étude de nombreuses pathologies cérébrales, car elle permet de mettre en évidence les principales structures anatomiques du cerveau pour un patient.

L'une des approches les plus couramment utilisées pour identifier ces structures consiste à réaliser un recalage non rigide entre la surface corticale extraite de l'IRM du patient et un atlas cérébral représentant un cerveau moyen dont les régions anatomiques ont été annotées par des experts. Les informations issues de cet atlas sont ensuite projetées sur la surface corticale du patient afin de générer une parcellation anatomique propre au patient. Cette méthode fournit des résultats de qualité mais elle présente plusieurs limites, notamment un temps de calcul important ainsi qu'une sensibilité aux erreurs pouvant survenir au cours des différentes étapes du traitement.

Vos missions

L'objectif de ce stage est de développer une nouvelle méthode de parcellation des lobes cérébraux reposant uniquement sur l'IRM du patient et sa surface corticale qui en est extraite. Cette approche devra permettre d'identifier automatiquement les différents lobes cérébraux sans recourir à un atlas de référence. Pour cela, elle exploitera les caractéristiques géométriques de la surface corticale ainsi que des descripteurs morphologiques tels que la courbure et la profondeur des sillons et des gyrus corticaux.

Dans un premier temps, une étude bibliographique sera menée afin d'identifier les méthodes existantes de parcellation des lobes et d'en analyser les avantages et les limites. La solution la plus pertinente sera ensuite implémentée en Python ou en C++, avant d'être évaluée et validée.

Références :

Fischl, B., Sereno, M. I., & Dale, A. M. (1999). Cortical surface-based analysis: II: inflation, flattening, and a surface-based coordinate system. Neuroimage, 9(2), 195-207.

https://neuromorphometrics.com/Seg/html/parcellation/index.html